南京航空航天大学经济管理学院精品课程群建设组

南京航空航天大学经济管理学院精品课程群建设组内容摘要：

它们的最大利益 ” （ 即理性经济人 ） 表示怀疑 （ 吴德勤 ， 纳什均衡的内涵 、 问题和前景 ―― 读 《 纳什均衡论 》 ， 上海大学学报（ 社会科学版 ） ， ）。 进化博弈理论的诞生 正是由于经典博弈理论中的这一无法圆满解决的理性困惑问题 ， 却摧生了进化博弈理论 （ 它放弃了经典博弈论的充分理性假说 ， 将生物视为有限理性的当局者 ， 它们在相互竞争的同时完成自身的进化 ， 合理解释了某些生物习性的形成。 Maynard Smith, J. 1982）。 20世纪 60年代生物学家们就已经用进化博弈理论来解释生态现象了 ， 特别是 Maynard和 Price（ 1973） 及Maynard（ 1974） 提出进化稳定策略 （ Evolutionarily Stable Strategy, ESS） 这一进化博弈的基本概念之后 ， 该理论逐渐被广泛地运用生态学 、 社会学和经济学等领域。 进化博弈理论的诞生 近年来，在国外有关进化博弈的理论研究与应用方面的文章已经占据了博弈论文献中的一个较大的份额，而且越来越大（ On economy applications of evolutionary game theory,《 Evolutionary Economics》 , J Evol Econ (1998)8: 1534, Daniel Friedman,1998）。 目前，国外主要用于刊载进化博弈及其相关内容文章的英文版杂志主要：Evolutionary Economics, Journal of Mathematical Biology, International Journal of Game Theory, Review of Economic Design 等等。 如果说经典博弈理论的发展对经济、社会和其它各相关领域所产生的影响是人们始料不及的。 那么，今天，人们对进化博弈理论寄予了更高的期望。 灰系统的理论和思想在博弈领域中的可能的应用及其前景展望 要领域 从整个博弈论的发展过程来看，博弈理论是在回答了一个个的现实向其提出的问题同时，而使其自身不断地走向完善。 今天，应该可以说，博弈理论获得了惊人的发展。 前不久，我们在相关网站对近几年来有关博弈理论研究与应用方面的文章进行了检索，共检索到有关中文文章近 2020多篇。 这些文献涉及到博弈理论与应用研究的各个方面。 从对这些文献的初步研究中，我们发现：无论是经典博弈理论还是进化博弈理论都是建立在经典数学基础之上的，所解决的博弈问题主要涉及到，完全信息静态、完全信息动态、不完全信息静态、不完全信息动态和基于有限理性的进化博弈问题等。 现实世界除了不完全信息 （博弈论中的不完全信息有着特定的含义，即：满足支付函数是所有参与人的共同知识这一假定的博弈，称为完全信息博弈；否则，则称之为不完全信息博弈） 和有限理性 （完全理性是指：博弈过程中的行为主体始终以自身最大利益为目标，具有在确定和不确定环境中追求自身利益最大化的判断和决策能力，还要求他们具有在存在交互作用的博弈环境中完美的判断和预测能力；不仅要求人们自身有完美理性，还要求人们相互信任对方的理性，有理性的共同知识（有限理性条件下的进化博弈理论， 《 上海财经大学学报 》 ，谢识予， ））； 我们把不满足这一假设条件的理性，称之为有限理性） 等之外，还有未来的不确定性、有限知识 （或称有限信息、贫信息， 《 灰色系统理论及其应用 》 ，刘思峰等著，科学出版社， 1999） 等等许多问题。 然而遗憾的是，对于这些问题，在目前的博弈理论中涉及的极少，尤其是有限知识等问题，就更是如此。 我们知道，由于人的认识能力、知识水平和时间等等多种因素的限制，有限知识（灰信息）是普遍存在的，这就导致了人们对系统的认识不可能部是十分完全的，也就是说，展现在人们面前的系统往往不是 “ 白 ” 的，而是 “ 灰 ” 的。 一般认为在以下四种情况下，系统信息表现为不完全，或称为灰的（ 《 灰色系统理论及其应用 》 ，刘思峰等著，科学出版社， 1999） ： （ 1）元素（参数）信息不完全； （ 2）结构信息的不完全； （ 3）边界信息的不完全； （ 4）运行行为信息的不完全。 由此可以推断，博弈理论中所涉及到的许多问题几乎都是灰的，然而，目前的博弈理论对这些现实中的灰系统几乎都采用了过份简化的方法（将这些灰系统简单的看作白系统）进行处理，而这样做的必然结果是导致了博弈论的预测对现实的指导作用大打折扣。 事实上，在经典博弈理论的某些不确定信息问题的处理上，就已经表现出了灰系统思想的应用。 例如，在一个不完全信息的抓钱博弈 （ 《 博弈论与信息经济学 》 张维迎者，上海人民出版社， ） 中，就引入了参与人的类型 ，且假定 在 的区间上均匀分布，其损益值矩阵如表 1所示。 然而，到目前为止，系统地运用灰系统理论解决博弈问题的文献却极为少见。 表 1 不完全信息抓钱博弈 抓 不抓抓 － 1 ，－ 1不抓 0 ， 0参与人 2参与人111 , 020 , 1  我们知道，灰系统理论与其它一些不确定性数学（概率统计，模。