نظریه بازی ها (به انگلیسی: Game Theory) زیرمجموعهای از علم ریاضیات است که میکوشد با استفاده از طراحی و تحلیل سناریو، رفتارها و نتایج تصمیم گیری موجوداتی را که حق انتخاب دارند، در تعامل با یکدیگر پیش بینی کند.
بعید است بتوانید مثالی کلاسیکتر و سادهتر از بازی سنگ، کاغذ، قیچی پیدا کنید که مصداقی شناخته شده از این نوع فضای تعاملی باشد (چند بازیگر، چند قانون، حق انتخاب و نتایج مشخص برای هر وضعیت).
نظریه بازی ها میکوشد شرایط پیچیده در تعامل حیوانات، انسانها، سازمانها، کسب و کارها، اقتصادها و کشورها را تا حدی ساده کند که بتوان آن بازی پایه یا Basic Game آن تعامل را تشخیص داد.
سپس میکوشد با تشخیص گزینه های موجود، منابعی که کمیاب هستند، اهداف و اولویتهای کسانی که درگیر بازی هستند و قواعد بازی، دستاوردهای بازی و احتمال وقوع هر کدام را تا حد امکان پیش بینی کند.
با توجه به تعریفی که ارائه شد، هر جا که منابع محدود، گزینه های مختلف تصمیم گیری، دستاوردهای متفاوت در اثر انتخابهای متفاوت و امکان همکاری یا رقابت بین بازیگران وجود داشته باشد میتوان از نظریه بازی ها برای درک و تحلیل بهتر شرایط موجود استفاده کرد.
موارد زیر تنها نمونه هایی از کاربردهای نظریه بازی ها هستند:
بازی های جنریک (Generic Games) یا به تعبیر پیتر سنگه بازی های آرکتایپی (Archetypal Games) شکل هایی از بازی ها هستند که آن قدر تکرار شدهاند و مصداقهای متعدد از آنها وجود دارد که به صورت مستقل و با جزئیات کامل مورد مطالعه و بررسی قرار میگیرند.
در نظریه بازی ها، تعداد زیادی بازی جنریک وجود دارد که احتمالاً نام برخی از آنها را شنیده اید:
البته تعداد بازی های جنریک در نظریه بازی ها، بسیار فراتر از فهرست فوق است.
ولی ما در فهرست فوق، مواردی را انتخاب کردهایم که قبلاً به آنها اشاره شده یا در آینده در درسهای متمم به آنها نیاز داریم.
یازده نفر از کسانی که تا کنون موفق به دریافت جایزه نوبل شدهاند، در حوزه نظریه بازی ها فعالیت داشتهاند.
این تعداد بسیار زیاد و کاملاً جالب توجه به نظر میرسد و به نقشی که نظریه بازی ها در علوم مختلف ایفا میکند اشاره دارد.
امروزه نظریه بازی ها در تحلیل شبکه های اجتماعی هم جایگاه ارزشمندی دارد و به نظر میرسد با توسعه شبکه های اجتماعی، به اهمیت آن بیش از پیش افزوده شود.
حتی در متن های چند قرن قبل هم (مانند کارهای برنولی) میتوانید نمونه تحلیل هایی را ببینید که به فضای نظریه بازی ها بسیار نزدیک هستند.
اما اگر بخواهیم دانشمندانی را مطرح کنیم که مستقیماً به نظریه بازی ها پرداختهاند و ترمینولوژی آن را توسعه دادهاند باید از جان نش، جان فون نویمان و اسکار مورگنسترن نام ببریم.
در دنیای امروزی شرایط رقابتی زیادی وجود دارد. به مثالهایی در این زمینه توجه کنید: دفاع موشکی، جنگ قیمت فروش اتومبیلهای دست دوم، مقررات انرژی، حسابرسان مالیاتی، نمایش تلویزیونی «بازماندگان»، تروریسم، مذاکرات مدیریت کار، درگیریهای نظامی، مناقصهها ، داوری، تبلیغات، انتخابات و رأیگیری، انتخاب محصولات کشاورزی، حل مناقشات، بازار سهام، بیمه و مخابرات. چیزی که در همه آنها وجود داشته و مشترک است، وجود رقابت برای طرفهای درگیر در این فعالیتها است به طوری که هر طرف انتظار دارد که نتیجه را به نفع خود درآورد. در همه این جنبهها، میتوان از نظریه بازی ها و قواعد تصمیم بهره برد و به بهترین نتیجه رسید. در اینجا به یک مثال ساده میپردازیم تا موضوع رقابت و استراتژی در بازیهای رقابتی بهتر مشخص شود.
احتمالا همگی با بازی «ضربدر و دایره» (Tic Tac To game) آشنایی دارید. البته از آنجایی که در این بازی از علامتهای XX و OO استفاده میشود گاهی آن را با X O نیز مورد خطاب قرار میدهند. احتمالا در هنگام این بازی یک استراتژی را بردن انتخاب کردهاید و منتظر هستید تا حریف شما اشتباهی انجام داده تا از آن به بهترین نحو استفاده و بازی را به نفع خود تمام کنید.
این بازی ساده، الزامات مربوط به یک بازی در نظریه بازی ها و قواعد تصمیم را دارد. قواعد بازی، نحوه برنده یا بازنده شدن، امکان تکرار بازی و ثبت امتیازات از ویژگیهایی یک بازی است که در اینجا نیز به چشم میخورد. در این بازی مجموعه قوانینی وجود دارد که بازیکنان مجبور به رعایت آنها هستند. برای مثال میتوان قانونهای این بازی را به صورت زیر مشخص کرد.
با توجه به اهمیت نظریه بازیها در مباحث تحقیق در عملیات، «فرادرس» اقدام به انتشار فیلم آموزش نظریه بازی ها (Game theory) در قالب یک آموزش ۱/۵ ساعته کرده که در ادامه متن به آن اشاره شده است.
استراتژی بازی X O نحوه پیروزی را مشخص میکند. به این ترتیب تا حد ممکن نباید به حریفتان اجازه دهید که سه علامت در یک خط راست ایجاد کند. از طرفی باید این کار را با قدرت تمام برای خودتان انجام دهید.
به این ترتیب هنگام بازی از یک استراتژی خاص پیروی میکنید. استراتژی، یک برنامه کلی و کامل است که مشخص میکند چه حرکتی در چه موقعیت یا زمانی ممکن است رخ داده تا نتیجه بازی را به نفع شما برگرداند. در بازیهای ساده و با اطلاعات کامل، با رعایت این استراتژی به طور قطعی بازی را خواهید برد. در صورتی در یک بازی، تمامی قوانین، گزینههای ممکن و سابقه و مراحل قابل مشاهده باشد، آن را «بازی با اطلاعات کامل» (Perfect Information Game) مینامند. بازیهایی مانند تخته نرد، شطرنج و بازی X O از این گروه بازیها در نظریه بازی ها محسوب میشوند.
بازی بدون اطلاعات کامل، مانند «بازی سنگ-کاغذ-قیچی» (stone-paper-scissors game) است که برای آن نمیتوان استراتژی خاصی پیدا کرد. زیرا از نوع یا نحوه بازی حریف اطلاعی نداریم. از طرفی هیچ استراتژی خاصی وجود ندارد که پیروزی را تضمین کند. در بازی «شیر یا خط» (Head and Tail) با یک سکه سالم (سکه نااریب یا سکهای که شانس یا احتمال مشاهده شیر با خط برابر است)، میتوان دو استراتژی اصلی را در نظر گرفت: انتخاب شیر یا انتخاب خط. برای بازی سنگ-کاغذ-قیچی هم سه استراتژی اصلی وجود دارد: آوردن سنگ، کاغذ یا قیچی. ولی هیچ تضمینی وجود ندارد که انتخاب هر یک از این استراتژیها باعث برنده شدن بازیکن شود.
در هر دو مورد نمیتوان به طور مداوم یک استراتژی اصلی مانند شیر و یا سنگ را به کار برد، زیرا حریف به زودی استراتژی برنده را پیدا میکند و بازی را به نفع خود در میآورد. بنابراین سوال اصلی در نظریه بازی ها و قواعد تصمیم این است که استراتژی مناسب چه خواهد بود که توسط حریف نیز قابل شناسایی نبوده و باعث برنده شدن بازیکن شود؟
برای مثال اغلب مردم الگوهای قابل پیشبینی در بازی سنگ-کاغذ-قیچی از خود نشان میدهند که اگر طرف مقابل بتواند آن را تشخیص دهد، از دیدگاه نظریه بازیها میتواند در همه بازیها برنده شود. معمولا وقتی کسی در یک دور از این بازی برنده میشود، همان حرکت قبلی را برای تکرار یا دور بعدی بازی نیز به کار میبرد و اگر بازیکنی در یک مرحله بازنده شود، معمولا به سراغ الگوی بعدی در توالی «سنگ – کاغذ – قیچی» میرود.
به عنوان مثال، اگر در مرحله اول، بازیکن ۱ سنگ و بازیکن ۲ نیز کاغذ را نشان دهد، بازیکن ۲ برنده میشود. در تکرار بعدی، بازیکن ۲ همان حرکت را تکرار کرده زیرا سابقه برنده شدن با نمایش کاغذ را دارد. ولی بازیکن ۱ به علت شکست در مرحله قبلی به سراغ استراتژی دیگری میرود و این بار قیچی را نشان میدهد. در نتیجه او برنده این دور بازی خواهد بود. البته توجه داشته باشید که اگر هر دو بازیکن یک استراتژی را اجرا کنند و مثلا کاغذ را نشان دهند، نتیجه بازی مساوی میشود.
یک روش میتواند استفاده از انتخاب استراتژی براساس احتمال و در نظر گرفتن پدیدههای تصادفی باشد. سعی بر این است که حریف خود را با انتخاب تصادفی انتخاب استراتژی برای هر بازی (مثلا پرتاب سکه و مشاهده شیر برای انجام یک استراتژی و خط برای انجام استراتژی دیگر)، غافلگیر کنیم. همچنین در نظر بگیرید که در بازی سنگ-کاغذ-قیچی، میتوانیم یک تاس را بریزیم و تصمیم بگیریم که در صورت مشاهده عدد 1 یا 2 در نتیجه پرتاب تاس، سنگ و مشاهده ۳ یا ۴، کاغذ و با مشاهده ۵ یا ۶، قیچی را انتخاب کنیم. با انجام این کارها تمایل دارید که استراتژی خود را از حریف پنهان کنید و براساس احتمالات دست به انتخاب یکی از استراتژیهای اصلی بزنید.
اما اگر استراتژیها را در نظریه بازی ها با یکدیگر مخلوط کنیم، آیا انتظار دارید در بلند مدت برنده شوید یا بازنده خواهید بود؟ ترکیب مطلوب استراتژیهایی که باید بازی کنید، چیست؟ چقدر انتظار دارید که برنده شوید؟ این جایی است که محاسبات و به کارگیری ریاضیات مدرن در نظریه بازی ظاهر میشود. از آنجایی که بیشتر بازیها با اطلاعات کامل نیستند و بر حسب شرایط متفاوت و گاه تصادفی، ریسکهای متفاوتی وجود دارد، استفاده از قوانین احتمال و نظریههای آمار و احتمالات نیز مطرح میشود.
بازی هایی مانند پرتاب سکه و شیر یا خط یا بازی سنگ-کاغذ-قیچی از نوع دو نفره، «بازی مجموع صفر» (Zero Sum Game) نامیده میشوند. مجموع صفر به این معنی است که هر پولی که بازیکن ۱ برنده میشود (یا از دست میدهد) دقیقا همان مقدار پولی است که بازیکن ۲ از دست میدهد (یا برنده میشود). به این ترتیب، در چنین بازی هیچ پولی ایجاد نشده و یا از دست نمیرود. بسیاری از بازیهای دو نفره از این نوع هستند.
قدرت و حیطه کاربرد نظریه بازی ها و قواعد تصمیم، از تجزیه و تحلیل بازیهای نسبتا ساده گرفته تا بازیها پیچیده و با استراتژیهای تصادفی گسترده است. ممکن است در یک بازی، شرایط رقابتی بسیاری پیچیدهای وجود داشته باشد و مثلا در یک بازی چند نفره، ممکن است بعضی از بازیکنان یک ائتلاف علیه یک بازیکن تشکیل دهند و با یکدیگر برای شکست دادن بازیکن قدرتمند، در آن همکاری کنند. همچنین در بازیهای چند نفره که مجموعهای غیر صفر دارند یا بازی با تعداد نامتناهی استراتژی، تشخیص و انتخاب الگو برنده کار سخت و پیچیدهای است که توسط محاسبات ریاضی و آماری صورت میگیرد. البته امروز استفاده از رایانهها و کمک گرفتن از سرعت پردازش زیاد آنها امکان پیدا کردن پاسخ سریع را برای چنین بازیهای پیچیدهای فراهم آورده است.
تجزیه و تحلیل ریاضی از چنین بازیهای منجر به تعمیم «نتیجه مطلوب بهینه» (Optimal Solution Result) در نظریه بازی ها و قواعد تصمیم شد. همچنین راه حل تعادل گروهی از استراتژی های ترکیبی است که برای هر بازیکن به کار میرود، به طوری که هر بازیکن هیچ دلیلی برای انحراف از این استراتژی ندارد، زیرا تا زمانی که همه بازیکنان دیگر در استراتژی تعادل خود قرار داشته باشند، همه در بازی سود خواهند برد. این نتیجه در نظریه بازی ها بخصوص در مباحث اقتصادی و تجارت بینالملل کاربرد دارد.
دانشمند و ریاضیدان بزرگ «جان فن نیمن» (John von Neumann) ثابت کرد در بازیهای با استراتژیهای تصادفی که در نظریه بازی ها و قواعد تصمیم، مطرح شده، حتما یک استراتژی بهینه برای هر یک از بازیکنان براساس مقدار «مورد انتظار» (Expected Value) برای بُرد و باخت، وجود دارد. از دیگر دانشمند صاحب تفکر در نظریه بازی میتوان از «اسکار مورگنشترن» (Oskar Morgenstern) نام برد که کارهای مشترکی با جان فن نیمن در نظریه بازیها دارد. در نظریه «مارتینگلها» (Martingales) به این موضوع اشاره شده است و بازیها را براساس این مقدار مورد انتظار به سه شکل «بازی عادلانه» (Martingale)، «بازی سودآور» (Submartingale) و «بازی زیان ده» (Supermartingale) طبقهبندی کرده است. همچنین در مورد زمان توقف در چنین بازیهایی که الگو گرفته از بازیهای شانسی هستند بحثها و قضیههایی وجود دارد. به این ترتیب میتوان زمان خروج از یک بازی شانسی را برحسب میزان مجموع دریافتیها مشخص کرد.
همچنین «جان نش» (John Nash) ریاضیدان و اقتصاددان در توسعه نظریه بازی ها نقش مهمی داشته است. او «راهحل تعادلی» (Equilibrium Solution) را در نظریه بازی ها پیشنهاد کرد که مجموعهای از استراتژیهای ترکیبی است و برای هر بازیکن به کار میرود، به طوری که اگر همه بازیکنان در استراتژی تعادل خود قرار داشته باشند، هیچ بازیکنی دلیلی برای انحراف از این استراتژی ترکیبی یا راهحل تعادلی ندارد.
برای شناخت بیشتر در مورد تعادل نش، به ذکر دو مثال میپردازیم.
مثال ۱:
دو دوست که هر دو به موسیقی کلاسیک علاقمند هستید، تصمیم دارند با یکدیگر به کنسرت بروند. متاسفانه اولی به موسیقی به سبک باخ علاقمند بوده و دومی به استراوینسکی و از آنجایی که سبک این دو موسیقیدان کاملا متفاوت است، این دو دوست دچار تضاد در منافع شدهاند. هر دو دوست دارند که با یکدیگر به دیدن کنسرت بروند. جدول زیر استراتژیهای ممکن را نشان میدهد.
استراوینسکی | باخ | |
0 و 0 | 1 و ۲ | باخ |
۲ و ۱ | ۰ و ۰ | استراوینسکی |
همانطور که در جدول میبینید یکی از استراتژیها که به صورت (۰ و ۰) نوشته شده، این است که این دو دوست در هیچ کنسرتی شرکت نکنند. ولی با توجه به تعادل نش، این مسئله تصمیم دارای دو نقطه تعادل به صورت حضور هر دو در کنسرت استراوینسکی یا باخ است. عدد ۱ نشانگر تمایل ضعیف و ۲ نشانگر تمایل شدید برای هر یک از کنسرتها توسط هر یک از دوستان در نظر گرفته شده.
مثال ۲:
یکی از مثالهای زیبا در نظریه بازی ها، معمای دو زندانی یا دو متهم است. به این دو متهم پیشنهاد میشود که اگر هر دو به جرم خود اعتراف کنند، سه سال زندانی خواهند شد ولی اگر علیه دیگری شهادت دهد، آزاد شده و دیگری به چهار سال حبس، محکوم میشود. ولی اگر اعترافی در کار نباشد حداکثر یکسال زندانی خواهند داشت زیرا به جرمی کوچکتر محکوم خواهند شد.
جدول زیر به بررسی وضعیت آنها در انتخاب استراتژی پرداخته است.
اعتراف و شهادت علیه دیگری | عدم اعتراف | زندانی اول /زندانی دوم |
4 و 0 | 3 و 3 | عدم اعتراف |
1 و 1 | 0 , 4 | اعتراف و شهادت علیه دیگری |
مشخص است بهترین استراتژی همکاری این دو متهم است. البته چون هیچکدام از اقدام دیگری خبر ندارد، بهترین گزینه اعتراف نکردن هر دو است. چون به این ترتیب فقط یکسال محکومیت خواهند داشت. این نقطه یعنی (۱ و ۱) تعادل نش است. ولی اگر هر یک از آنها اعتراف کند دیگری ضرر زیادی خواهد خورد.
این که آیا در یک بازی شانسی یا حتی بازی غیرشانسی، نقطه تعادل نش وجود دارد، مسئله پیچیدهای است که احتیاج به ریاضیات پیشرفته و مدرن دارد. ولی به هر حال در اغلب بازیها بخصوص بازیهای شانسی میتوان نقطه تعادل نش را جستجو و پیدا کرد.