第五章：博弈论与基于主体的建模

┌─────────────────────────────────────────────────────────────┐
│                    美团生态博弈结构                          │
│                                                              │
│     消费者                     平台                 商家     │
│        ↓                        ↓                    ↓      │
│   [价格敏感度]            [补贴策略]          [定价决策]    │
│   [品牌偏好]              [佣金率]            [服务质量]    │
│   [时间价值]              [流量分配]          [营销投入]    │
│        ↓                        ↓                    ↓      │
│   ┌─────────────────────────────────────────────────┐      │
│   │              市场均衡状态                        │      │
│   │  • 订单量分布  • 价格水平  • 市场份额          │      │
│   └─────────────────────────────────────────────────┘      │
│                            ↑                                │
│                        骑手                                  │
│                    [接单策略]                               │
│                    [路线选择]                               │
│                    [工作时长]                               │
└─────────────────────────────────────────────────────────────┘

商家A定价策略集：{低价, 中价, 高价}
商家B定价策略集：{低价, 中价, 高价}

收益矩阵（日均利润，单位：¥千）：
              商家B
              低价    中价    高价
商家A  低价  (3,3)   (5,2)   (7,1)
       中价  (2,5)   (4,4)   (6,3)
       高价  (1,7)   (3,6)   (5,5)

纳什均衡：(中价, 中价) - 双方都选择中等定价

平台1订单量：Q₁ = a - b₁P₁ + c₁P₂
平台2订单量：Q₂ = a - b₂P₂ + c₂P₁

其中：
a = 市场基础需求（如：100万单/天）
b = 自身价格弹性（如：2万单/¥）
c = 交叉价格弹性（如：1万单/¥）
P = 平均客单价（含补贴后）

max Σ(t=1 to T) δᵗ[R(s_t) - C(s_t)]

其中：
δ = 折现因子
R(s_t) = 第t期补贴s_t带来的收入
C(s_t) = 补贴成本

约束条件：

1. 预算约束：Σs_t ≤ B（总预算）
2. 市场份额目标：MS_t ≥ MS_target
3. 用户留存率：Retention_t ≥ R_min

情景分析：雨天配送费博弈

                 高峰期配送状态
    ┌────────────────────────────────┐
    │ 供给曲线（骑手）                │
    │     ╱                          │
    │    ╱                           │
    │   ╱     均衡点                 │
    │  ╱      ★                     │
    │ ╱    ╱ 需求曲线（用户）       │
    │╱____╱_____________________     │
    └────────────────────────────────┘
      配送费（¥）

三个可能的均衡：

1. 低费用均衡：¥3，订单量大但骑手不足
2. 中费用均衡：¥5，供需基本平衡（纳什均衡）
3. 高费用均衡：¥8，骑手充足但订单减少

帕累托最优：¥6，总社会福利最大化

联盟收益分配（Shapley值计算）：

3家商家联盟，总收益¥10万/月
商家A贡献：品牌影响力
商家B贡献：独特产品
商家C贡献：地理位置

Shapley值分配：
商家A：¥4.2万（42%）
商家B：¥3.3万（33%）
商家C：¥2.5万（25%）

时期1：价格竞争
   ↓ （利润下降）
时期2：质量差异化
   ↓ （同质化加剧）
时期3：服务创新
   ↓ （成本上升）
时期4：私域流量运营
   ↓ （平台介入）
时期5：生态化经营

dx/dt = x(1-x)[f(S₁) - f̄]

其中：
x = 采用策略S₁的商家比例
f(S₁) = 策略S₁的平均收益
f̄ = 群体平均收益

应用案例：外卖包装环保化
初始：5%商家使用环保包装
3个月：15%（早期采纳者）
6个月：35%（跨越鸿沟）
12个月：75%（主流化）
18个月：95%（行业标准）

策略空间：{30分钟, 45分钟, 60分钟}

演化矩阵：
         30分钟  45分钟  60分钟
30分钟    -2      3      5
45分钟    -3      0      2
60分钟    -5     -2     -1

ESS结果：45分钟承诺

- 过快承诺：成本过高，不可持续
- 过慢承诺：失去竞争力
- 适中承诺：形成稳定均衡

状态空间 S：

- 当前价格水平
- 竞争对手价格
- 历史销量
- 库存水平

动作空间 A：

- 提价5%
- 维持现价
- 降价5%

奖励函数 R：
R = α×利润 + β×销量 + γ×市场份额

学习过程：
第1周：随机探索
第2-4周：识别模式
第5-8周：策略收敛
第9周后：动态优化

传统模型 vs ABM对比：

┌─────────────────────────────────────┐
│         传统均衡模型                 │
│   • 代表性主体                      │
│   • 完全理性                        │
│   • 瞬时均衡                        │
│   • 线性关系                        │
└─────────────────────────────────────┘
              vs
┌─────────────────────────────────────┐
│            ABM模型                   │
│   • 异质性主体                      │
│   • 有限理性                        │
│   • 动态演化                        │
│   • 非线性涌现                      │
└─────────────────────────────────────┘

消费者Agent属性：

- 位置：{lat, lng}
- 偏好：{口味, 价格敏感度, 品牌忠诚度}
- 状态：{饥饿度, 可支配收入, 时间压力}
- 历史：{过往订单, 评价记录}

商家Agent属性：

- 类型：{快餐, 正餐, 饮品, 甜点}
- 产能：{高峰期40单/小时}
- 策略：{定价策略, 营销策略}
- 声誉：{评分, 订单量, 复购率}

交互规则：
IF 消费者饥饿度 > 阈值
   THEN 搜索半径3km内商家
   IF 找到匹配商家
      THEN 下单概率 = f(价格, 评分, 距离)

设置参数：

- 网格：100×100（代表10km×10km城市区域）
- 消费者：10000个
- 商家：500个
- 骑手：1000个

初始化：

- 消费者随机分布，采用概率5%
- 商家集中在商圈
- 骑手均匀分布

运行规则：
每个时间步（代表1小时）：

1. 消费者产生需求（概率函数）
2. 搜索商家，下单
3. 骑手接单配送
4. 更新满意度
5. 社交影响（影响周围消费者）

观察指标：

- 市场渗透率曲线
- 商家密度热力图
- 骑手利用率
- 系统总效率

Level 1: 反应层（毫秒级）

- 看到红包立即点击
- 收到推送查看

Level 2: 战术层（分钟级）

- 比较多个商家
- 选择配送时间

Level 3: 策略层（天/周级）

- 预算分配
- 平台选择

Level 4: 价值层（月/年级）

- 饮食习惯改变
- 生活方式调整

个体决策过程：
私有信号强度：s_i ∈ [-1, 1]
公共信号（他人选择）：H = 已选择人数/总人数

决策规则：
IF |s_i| > θ（阈值）
   THEN 跟随私有信号
ELSE
   THEN 跟随多数人选择

级联形成条件：
当H > 0.6时，后续个体忽略私有信号
导致：即使商家质量一般，也可能成为"网红店"

┌─────────────────────────────────────────┐
│         订单集中度演化                   │
│                                          │
│  100│      ╱━━━━━━━ 羊群效应后         │
│     │     ╱                             │
│   80│    ╱                              │
│     │   ╱                               │
│   60│  ╱   ┈┈┈┈┈┈┈ 无羊群效应         │
│     │ ╱  ┈┈┈                           │
│   40│╱ ┈┈                               │
│     │┈                                  │
│   20│                                   │
│     └────────────────────────────────    │
│      0   20   40   60   80   100        │
│          商家数量累计百分比(%)           │
└─────────────────────────────────────────┘

关键发现：

- 前20%商家获得80%订单（羊群效应）
- 对比：理想状态应为20%商家获得35%订单
- 长尾商家生存困难

阶段1：创新期（1-2周）

- 少数早期尝试者
- 真实质量信号主导

阶段2：爆发期（3-8周）

- 社交媒体病毒传播
- 从众心理主导
- 订单指数增长

阶段3：高原期（9-16周）

- 市场饱和
- 竞争者模仿
- 增长放缓

阶段4：衰退期（17周后）

- 新鲜感消失
- 负面评价累积
- 快速衰落

案例：脏脏包现象
第1周：日销100个
第4周：日销3000个（爆发）
第8周：日销8000个（顶峰）
第16周：日销2000个（衰退）
第24周：日销300个（常态）

评分更新规则：
r_i(t+1) = w_ii × r_i(t) + Σ(j≠i) w_ij × r_j(t)

其中：
r_i = 用户i对商家的评分
w_ij = 用户i对用户j意见的权重

权重矩阵示例：
       自己  朋友  网红  陌生人
自己   0.5   0.3   0.15  0.05
朋友   0.2   0.4   0.25  0.15
网红   0.1   0.2   0.5   0.2
陌生人 0.1   0.15  0.25  0.5

收敛结果：群体评分趋向一致
影响因素：网红意见>朋友推荐>陌生人评价

蚂蚁（骑手）路径选择：

信息素更新：
τ(i,j) = (1-ρ)×τ(i,j) + Δτ

路径选择概率：
P(i,j) = [τ(i,j)]^α × [η(i,j)]^β / Σ[τ(i,k)]^α × [η(i,k)]^β

其中：
τ = 信息素浓度（历史经验）
η = 启发信息（距离倒数）
ρ = 挥发率（0.1）
α = 信息素权重（1.0）
β = 启发信息权重（2.0）

优化效果：

- 平均配送时间减少18%
- 总里程减少22%
- 骑手空驶率降低15%

政府目标：

1. 收入最大化
2. 效率（频谱给最能创造价值的公司）
3. 公平（小公司也有机会）
4. 快速（避免冗长程序）

竞拍者目标：

1. 成本最小化
2. 获得互补性频谱
3. 避免"赢者诅咒"

设计挑战：

- 频谱的互补性（相邻频段更有价值）
- 地理互补性（相邻地区牌照）
- 信息不对称（真实估值是私有信息）

规则框架：

1. 多轮次：每轮所有频谱同时竞价
2. 公开出价：每轮结束后公布所有出价
3. 活动规则：保持一定竞拍活跃度
4. 最小加价：5-10%递增
5. 同时结束：所有频谱无新出价时结束

优势分析：
✓ 价格发现：通过多轮了解市场估值
✓ 减少赢者诅咒：看到他人出价，调整策略
✓ 组合获取：可以追求互补频谱组合
✓ 透明公平：所有信息公开

参与者：30家公司
拍卖轮次：47轮
持续时间：5个月
总收入：¥70亿（远超预期）
频谱分配：99张牌照

获胜者分布：

- 大型电信公司：60%
- 区域运营商：25%
- 新进入者：15%

传统方法：追踪每个个体
计算复杂度：O(N²)甚至O(N!)

平均场方法：个体vs统计分布
计算复杂度：O(N)

核心假设：

1. 主体数量N→∞
2. 个体影响可忽略
3. 只与群体分布交互

Hamilton-Jacobi-Bellman方程（个体最优）：
∂v/∂t + H(x, ∇v, m) = 0

Fokker-Planck方程（群体演化）：
∂m/∂t - div(m × ∇_p H) + Δm = 0

其中：
v = 价值函数
m = 群体密度分布
H = 哈密顿量

状态空间：

- 位置：x ∈ R²（经纬度）
- 时间：t ∈ [0,24]（小时）
- 需求密度：ρ_d(x,t)
- 供给密度：ρ_s(x,t)

骑手决策（HJB）：
max E[∫(收入 - 成本)dt]
s.t. 移动动力学

平台定价（均衡）：
P(x,t) = f(ρ_d/ρ_s) × g(拥堵) × h(天气)

数值求解结果：

- 高峰期自动涨价25%
- 供需平衡时间缩短40%
- 骑手收入提升15%
- 用户等待时间减少20%

┌─────────────────────────────────────┐
│          中央学习器                  │
│    (Policy Network + Value Network)  │
└─────────────┬───────────────────────┘
              │
    ┌─────────┼─────────┐
    ↓         ↓         ↓
┌────────┐┌────────┐┌────────┐
│Agent 1 ││Agent 2 ││Agent N │
│(骑手)  ││(骑手)  ││(骑手)  │
└────────┘└────────┘└────────┘
    ↓         ↓         ↓
┌─────────────────────────────┐
│      环境（城市地图）         │
│   订单产生|道路拥堵|天气变化  │
└─────────────────────────────┘

训练效果：
第1000轮：随机策略，效率60%
第5000轮：学会避开拥堵，效率72%
第10000轮：预测需求热点，效率81%
第20000轮：协同配送，效率89%
收敛：效率92%，接近理论最优