# 信息集 (Information Set)
信息集 (Information Set) 是{{{game theory}}} (博弈论) 中用于分析{{{extensive form games}}} (扩展式博弈) 的核心概念，尤其在处理{{{imperfect information}}} (不完美信息) 的博弈时至关重要。一个信息集是指对于某一个特定参与人而言，其无法分辨的一组{{{decision nodes}}} (决策节点) 的集合。
从本质上讲，当博弈进行到某个信息集中的任意一个节点时，轮到行动的这位参与人只知道自己身处这个信息集之内，但无法确切地知道是其中的哪一个具体节点。这种不确定性是“不完美信息”的来源。
## 核心定义与特征
一个信息集是一组决策节点的集合，它必须满足以下三个形式化条件：
1. 同一参与人行动：信息集中的所有决策节点都属于同一个参与人。 2. 信息不确定性：当博弈的路径到达该信息集时，轮到行动的参与人不知道自己具体处于哪一个节点。换言之，在参与人看来，这些节点是无法区分的。 3. 相同的行动空间：在该信息集的所有决策节点上，该参与人拥有的可选行动集合必须完全相同。如果行动集合不同，参与人就可以根据自己有哪些可选行动来推断出自己所处的节点，从而消除不确定性，这与信息集的定义相矛盾。
在{{{game tree}}} (博弈树) 的图形表示中，属于同一个信息集的多个节点通常用虚线连接起来，或者用一个椭圆形圈起来，以表示参与人无法区分它们。
## 信息集与策略选择
信息集的概念直接影响了我们如何定义一个参与人的{{{strategy}}} (策略)。一个纯策略 (pure strategy) 是一个完整的行动计划，它为该参与人在博弈中可能遇到的每一种情况都指定一个明确的行动。
关键在于，这个“情况”是由 信息集 来定义的，而不是由单个的决策节点来定义的。因为参与人无法区分一个信息集内部的各个节点，所以他/她无法为一个节点制定一个行动，而为同一信息集内的另一个节点制定不同的行动。因此，一个策略必须为每一个信息集指定一个行动。
例如，如果参与人A有两个信息集 $I_1$ 和 $I_2$，其中 $I_1 = \{n_1, n_2\}$ 且在 $I_1$ 上的可选行动为 $\{U, D\}$，而 $I_2 = \{n_3\}$ 且在 $I_2$ 上的可选行动为 $\{L, R\}$。那么，参与人A的一个纯策略就是从 $\{U, D\}$ 中选择一个，并从 $\{L, R\}$ 中选择一个，例如 (U, L) 就是一个纯策略。它意味着“在信息集 $I_1$ 时选择U，在信息集 $I_2$ 时选择L”。
同样的逻辑也适用于{{{mixed strategies}}} (混合策略)，即在给定的信息集上，以一定的概率分布来选择不同的行动。
## 信息集与信息类型
信息集的大小和结构决定了博弈的信息类型。
* {{{Perfect Information}}} (完美信息)：如果在一个博弈中，所有参与人的所有信息集都只包含一个决策节点（即“单点集”），那么这个博弈就是完美信息博弈。这意味着在任何行动时刻，该参与人都确切地知道博弈至今的完整历史路径。典型的例子是{{{Chess}}} (国际象棋) 和{{{Go}}} (围棋)。
* {{{Imperfect Information}}} (不完美信息)：如果博弈中至少存在一个参与人的某一个信息集包含多于一个节点，那么这个博弈就是不完美信息博弈。这代表至少有一位参与人在其行动时，对博弈之前的某些行动或事件是不确定的。例如，在{{{Poker}}} (扑克) 游戏中，你不知道对手持有的底牌，因此你的决策节点（例如，是跟注还是弃牌）处于一个包含多种可能性（对手持有不同底牌）的信息集中。{{{simultaneous-move games}}} (同时行动博弈) 在扩展式表述下也是不完美信息博弈的典型例子。
### 与不完全信息的关系
信息集也与{{{incomplete information}}} (不完全信息) 密切相关。不完全信息指的是参与人对于博弈的某些基本规则不完全了解，例如不清楚其他参与人的支付函数（偏好）或“类型”。
著名的{{{Harsanyi transformation}}} (海萨尼转换) 方法，可以将一个不完全信息博弈转化为一个不完美信息博弈。其方法是引入一个虚拟的参与人——{{{Nature}}} (自然)，在博弈开始时首先行动，以一定的概率来决定其他参与人的“类型”。例如，一个在位厂商不知道新进入者是“强”还是“弱”的博弈。通过海萨尼转换，我们构建一个新的博弈树： 1. “自然”首先行动，以概率 $p$ 决定进入者是“强”类型，以概率 $1-p$ 决定其为“弱”类型。 2. 进入者知道自己的类型，然后决定“进入”或“不进入”。 3. 在位厂商观测到“进入”这个行为，但它没有观测到“自然”的初始选择。 在这种转换后的博弈中，在位厂商在观测到“进入”后所处的决策点，实际上是一个包含两个节点的信息集：{一个节点是“强”进入者选择进入之后的状态，另一个节点是“弱”进入者选择进入之后的状态}。因此，一个关于“类型”的不完全信息问题，被转化为了一个关于“历史路径”的不完美信息问题。
## 信息集与均衡概念
不完美信息的存在（即非单点信息集）对{{{equilibrium}}} (均衡) 分析提出了更高的要求。
* 对{{{subgame}}} (子博弈) 的限制：{{{Subgame Perfect Nash Equilibrium}}} (子博弈完美纳什均衡, SPNE) 是一种通过逆向归纳法在完美信息博弈中筛选纳什均衡的强大工具。但它的应用前提是能够清晰地界定子博弈。一个子博弈必须始于一个单点信息集。如果一个信息集跨越了博弈树的不同分支，它就会“打破”这些分支，使得它们无法构成独立的子博弈。
* 信念 (Beliefs) 的引入：由于在非单点信息集中，参与人对自己所处的确切节点不确定，因此他/她必须对“我在这个信息集中的哪个节点上”形成一个概率判断。这个概率判断被称为 信念 (Belief)。
* 更精炼的均衡概念：为了在不完美信息博弈中进行严谨的均衡分析，经济学家发展了更复杂的均衡概念，它们都将参与人的“信念”和“行动”结合起来考虑。 * {{{Bayesian Nash Equilibrium}}} (贝叶斯纳什均衡)：静态不完全（或不完美）信息博弈的标准解概念。 * {{{Sequential Equilibrium}}} (序贯均衡)：动态不完美信息博弈的重要均衡概念。它要求参与人的策略在给定其信念下是最优的（策略理性），同时其信念必须与策略以及{{{Bayes' rule}}} (贝叶斯法则) 相一致（信念一致性）。 * {{{Perfect Bayesian Equilibrium}}} (完美贝叶斯均衡, PBE)：与序贯均衡非常相似，同样要求策略和信念的最优化和一致性，是分析动态不完美信息博弈的常用工具。