Python中的纳什均衡

Question

有没有一个Python库可以解决两人零博弈的纳什均衡？我知道这个解决方案可以用线性约束写下来，理论上，scipy应该能够优化它。然而，对于二人零对策，解是精确的和唯一的，但有些解不能收敛于某些问题。

我不想在Python网站的Linear programing上列出任何库，而是想知道哪个库在易用性和速度方面最有效。

Answer 1

我刚刚开始整理一些博弈论python代码：http://drvinceknight.github.com/Gamepy/

有个代码：

• 解决匹配游戏
• 计算合作博弈中的shapley值
• 运行基于代理的模拟以识别正常形式游戏中的紧急行为
• （笨拙-我的python foo还在增长）使用lrs库（用C:http://cgm.cs.mcgill.ca/~avis/C/lrs.html编写）计算普通形式游戏的解决方案（这是我相信你想要的）。

这些代码在github上都是可用的，该站点（这个答案开头的第一个链接）解释了这些代码是如何工作的，并给出了用户示例。

你可能还想看看我从没用过的“Gambit”。

Answer 2

雷蒙德·赫廷格写了a recipe for solving zero-sum payoff matrices。它应该符合你的目的。

至于一个更通用的用于解决博弈论的库，没有专门为此设计的。但是，就像你说的，scipy可以解决这样的优化问题。你也许可以用GarlicSim做点什么，它声称是“任何一种模拟：物理，博弈论…”但我以前从未使用过，所以我不能推荐它。

Answer 3

还有Gambit，虽然设置起来有点困难，但它有一个python API。