matlab:双或三方演化博弈，随机演化博弈，lotka-Volterra ，斯塔伯格 1.双...

matlab:双或三方演化博弈，随机演化博弈，lotka-Volterra ，斯塔伯格 1.双方演化博弈：稳定点分析，绘制相位图，matlab仿真图代码 2.三方演化博弈：稳定点分析，绘制相位图，matlab仿真图代码3.lotka-Volterra模型4.斯塔伯格博弈模型

当博弈论撞上动力学：用MATLAB玩转策略演化

演化博弈论不是静态的数学游戏，而是动态的策略战场。今天咱们用MATLAB实操几个经典模型，看看策略怎么在互动中进化，顺便把代码甩出来让大家抄作业。

**1. 两人演化博弈：菜鸟与大神的战争**

假设两个群体在玩"怂刚博弈"：选择怂（策略A）能保底收益，选择刚（策略B）可能翻盘但风险高。复制者动态方程可以写成：

% 设置收益矩阵 Payoff_A = [2, 0; 1, 3]; Payoff_B = [3, 1; 0, 2]; % 定义微分方程 f = @(t,x) [x(1)*(Payoff_A(1,:)*x - x'*Payoff_A*x); x(2)*(Payoff_B(1,:)*x - x'*Payoff_B*x)];

稳定点分析：

直接上雅可比矩阵暴力求解。用符号计算工具箱快速找点：

syms x y; eq1 = x*(2*y + 0*(1-y) - (x*(2*y) + (1-x)*(1*y + 3*(1-y)))); eq2 = y*(3*x + 1*(1-x) - (y*(3*x) + (1-y)*(0*x + 2*(1-x)))); [x_ss, y_ss] = solve([eq1==0, eq2==0], [x,y]);

跑完会发现三个稳定点：(0,0)、(1,1)和混合均衡点。用特征值判断稳定性，这里(1,1)通常是进化稳定策略。

相位图绘制：

matlab:双或三方演化博弈，随机演化博弈，lotka-Volterra ，斯塔伯格 1.双方演化博弈：稳定点分析，绘制相位图，matlab仿真图代码 2.三方演化博弈：稳定点分析，绘制相位图，matlab仿真图代码3.lotka-Volterra模型4.斯塔伯格博弈模型

用quiver画速度场，streamline看轨迹走向：

[X,Y] = meshgrid(0:0.1:1, 0:0.1:1); dX = X.*(2*Y - X.*(2*Y) - (1-X).*(Y + 3*(1-Y))); dY = Y.*(3*X + 1*(1-X) - Y.*(3*X) - (1-Y).*(2*(1-X))); figure; quiver(X,Y,dX,dY); hold on; streamslice(X,Y,dX,dY); title('策略演化相位图');

运行后能看到箭头明确指向(1,1)——说明群体最终会全员选择冒险策略B。

**2. 三人演化博弈：三角关系的微妙平衡**

三方博弈复杂度飙升。假设三方形成"石头剪刀布"循环克制关系：

Payoff = [0, -1, 1; 1, 0, -1; -1, 1, 0]; % 经典RPS收益矩阵 dx = @(t,x) x .* (Payoff*x - x'*Payoff*x); % 复制者方程

稳定点分析：

中心点(1/3,1/3,1/3)是鞍点，系统会出现周期性震荡。用三维流线图展示：

[X,Y] = meshgrid(0:0.1:1); Z = 1 - X - Y; valid = Z >= 0; % 过滤无效点 X = X(valid); Y = Y(valid); Z = Z(valid); U = X.*(Payoff(1,1)*X + Payoff(1,2)*Y + Payoff(1,3)*Z - ...); % 类似计算V,W分量... figure; coneplot(X,Y,Z,U,V,W);

代码跑起来会看到螺旋轨迹——印证了循环优势的存在，没有绝对赢家。

**3. Lotka-Volterra：狐兔相爱相杀**

经典的捕食模型：

alpha = 0.1; beta = 0.02; gamma = 0.3; delta = 0.01; dydt = @(t,y) [y(1)*(alpha - beta*y(2)); y(2)*(-gamma + delta*y(1))]; [t,y] = ode45(dydt, [0 50], [40, 9]);

相位图特征：

闭合轨道说明周期性震荡。画图时注意：

plot(y(:,1), y(:,2)); xlabel('猎物数量'); ylabel('捕食者数量'); title('生态震荡环');

调整参数beta会发现：捕食效率过高会导致系统崩溃，对应现实中过度捕猎。

**4. 斯塔伯格博弈：先发制人的艺术**

领导者-追随者模型实操：

syms q1 q2; p = 100 - q1 - q2; % 逆需求函数 % 追随者反应函数 profit2 = (p - 20)*q2; react_q2 = solve(diff(profit2,q2)==0, q2); % 领导者优化 profit1 = subs((p - 15)*q1, q2, react_q2); opt_q1 = solve(diff(profit1,q1)==0, q1);

计算得q1=28.33，q2=16.67。用数值方法验证：

f = @(q1) -((100 - q1 - (80 - q1)/2 -15)*q1); % 负号用于求最大值 [q1_opt, fval] = fmincon(f, 30, [], [], [], [], 0, 50);

结果与解析解一致，斯塔伯格均衡确实让领导者占优。

结语：动力学视角下的策略生存

从双人博弈到生态模型，MATLAB让抽象理论变得触手可及。重点不在于复杂的数学推导，而是通过仿真观察系统涌现的规律——这或许就是计算博弈论的魅力所在。

（代码已脱敏处理，可直接复制到MATLAB运行测试）