论述“囚徒困境”模型对商务谈判的启示。

(1)囚徒困境是指两个被捕获的囚徒之间的一种特殊“博弈”，说明为什么在合作对双方都有利时，保持合作也是困难的。囚徒困境反映了个人理性和集体理性的矛盾，出于个人理性的考虑并不能实现集体理性，个人理性并不是实现集体理性的充分条件。 (2)在博弈中，无论其他参与人采取什么策略，该参与人的最优策略是唯一的，这样的策略称为占优策略，此时达到的博弈均衡称为占优策略均衡。 (3)囚徒困境如表1-1中的例子：

显然，对张三和李四两个人来说，最好的结果是两个人都不坦白，因为两个人都不坦白，每个人都只坐1年牢，总共坐牢时间是2年。但是，对于张三来说，无论李四选择坦白还是不坦白，张三的最优决策总是坦白。同理，对于李四来说，无论张三选择坦白还是不坦白，李四的最优决策也总是坦白。此时，（坦白，坦白）就是一个占优策略均衡。

回答此问题，可以参考教材以及以下资料【囚徒困境是博弈论的非零和博弈中具代表性的例子，反映个人最佳选择并非团体最佳选择。虽然困境本身只属模型性质，但现实中的价格竞争、环境保护等方面，也会频繁出现类似情况。单次发生的囚徒困境，和多次重复的囚徒困境结果不会一样。

　　在重复的囚徒困境中，博弈被反复地进行。因而每个参与者都有机会去“惩罚”另一个参与者前一回合的不合作行为。这时，合作可能会作为均衡的结果出现。欺骗的动机这时可能被受到惩罚的威胁所克服，从而可能导向一个较好的、合作的结果。作为反复接近无限的数量，纳什均衡趋向于帕累托最优。

　囚徒困境的主旨为，囚徒们虽然彼此合作，坚不吐实，可为全体带来最佳利益（无罪开释），但在资讯不明的情况下，因为出卖同伙可为自己带来利益（缩短刑期），也因为同伙把自己招出来可为他带来利益，因此彼此出卖虽违反最佳共同利益，反而是自己最大利益所在。但实际上，执法机构不可能设立如此情境来诱使所有囚徒招供，因为囚徒们必须考虑刑期以外之因素（出卖同伙会受到报复等），而无法完全以执法者所设立之利益（刑期）作考量。

经典的囚徒困境

　　1950年，由就职于兰德公司的梅里尔•弗勒德（Merrill Flood）和梅尔文•德雷希尔（Melvin Dresher）拟定出相关困境的理论，后来由顾问艾伯特•塔克（Albert Tucker）以囚徒方式阐述，并命名为“囚徒困境”。经典的囚徒困境如下：

　　警方逮捕甲、乙两名嫌疑犯，但没有足够证据指控二人入罪。于是警方分开囚禁嫌疑犯，分别和二人见面，并向双方提供以下相同的选择：

　　若一人认罪并作证检控对方（相关术语称“背叛”对方），而对方保持沉默，此人将即时获释，沉默者将判监10年。

　　若二人都保持沉默（相关术语称互相“合作”），则二人同样判监半年。

　　若二人都互相检举（互相“背叛”），则二人同样判监2年。

　　用表格概述如下：

　　甲沉默（合作） 甲认罪（背叛）

　　乙沉默（合作） 二人同服刑半年 甲即时获释；乙服刑10年

　　乙认罪（背叛） 甲服刑10年；乙即时获释 二人同服刑2年

　　解说

　　如同博弈论的其他例证，囚徒困境假定每个参与者（即“囚徒”）都是利己的，即都寻求最大自身利益，而不关心另一参与者的利益。参与者某一策略所得利益，如果在任何情况下都比其他策略要低的话，此策略称为“严格劣势”，理性的参与者绝不会选择。另外，没有任何其他力量干预个人决策，参与者可完全按照自己意愿选择策略。

　　囚徒到底应该选择哪一项策略，才能将自己个人的刑期缩至最短？两名囚徒由于隔绝监禁，并不知道对方选择；而即使他们能交谈，还是未必能够尽信对方不会反口。就个人的理性选择而言，检举背叛对方所得刑期，总比沉默要来得低。试设想困境中两名理性囚徒会如何作出选择：

　　若对方沉默、背叛会让我获释，所以会选择背叛。

　　若对方背叛指控我，我也要指控对方才能得到较低的刑期，所以也是会选择背叛。

　　二人面对的情况一样，所以二人的理性思考都会得出相同的结论——选择背叛。背叛是两种策略之中的支配性策略。因此，这场博弈中唯一可能达到的纳什均衡，就是双方参与者都背叛对方，结果二人同样服刑2年。

　　这场博弈的纳什均衡，显然不是顾及团体利益的帕累托最优解决方案。以全体利益而言，如果两个参与者都合作保持沉默，两人都只会被判刑半年，总体利益更高，结果也比两人背叛对方、判刑2年的情况较佳。但根据以上假设，二人均为理性的个人，且只追求自己个人利益。均衡状况会是两个囚徒都选择背叛，结果二人判决均比合作为高，总体利益较合作为低。这就是“困境”所在。例子漂亮地证明了：非零和博弈中，帕累托最优和纳什均衡是相冲突的。

现实的例子

　　上述例子可能显得不甚自然，但现实中，无论是人类社会或大自然都可以找到类似囚徒困境的例子，将结果划成同样的支付矩阵。社会科学中的经济学、政治学和社会学，以及自然科学的动物行动学、进化生物学等学科，都可以用囚徒困境分析，模拟生物面对无止境的囚徒困境博弈。囚徒困境可以广为使用，说明这种博弈的重要性。以下为各界例子：

　　政治学例子：军备竞赛

　　在政治学中，两国之间的军备竞赛可以用囚徒困境来描述。两国都可以声称有两种选择：增加军备（背叛）、或是达成削减武器协议（合作）。两国都无法肯定对方会遵守协议，因此两国最终会倾向增加军备。似乎自相矛盾的是，虽然增加军备会是两国的“理性”行为，但结果却显得“非理性”（例如会对经济造成都有损坏等）。这可视作遏制理论的推论，就是以强大的军事力量来遏制对方的进攻，以达到和平。

　　经济学例子：关税战

　　两个国家，在关税上可以有以两个选择:

　　提高关税，以保护自己的商品。（背叛）

　　与对方达成关税协定，降低关税以利各自商品流通。（合作）

　　当一国因某些因素不遵守关税协定，独自提高关税（背叛），另一国也会作出同样反应（亦背叛），这就引发了关税战，两国的商品失去了对方的市场，对本身经济也造成损害（共同背叛的结果）。然后二国又重新达成关税协定。（重复博弈的结果是将发现共同合作利益最大。）

　　商业例子：广告战

　　商业活动中亦会出现各种囚徒困境例子。以广告竞争为例。

　　两个公司互相竞争，二公司的广告互相影响，即一公司的广告较被顾客接受则会夺取对方的部分收入。但若二者同时期发出质量类似的广告，收入增加很少但成本增加。但若不提高广告质量，生意又会被对方夺走。

　　此二公司可以有二选择：

　　互相达成协议，减少广告的开支。（合作）

　　增加广告开支，设法提升广告的质量，压倒对方。（背叛）

　　若二公司不信任对方，无法合作，背叛成为支配性策略时，二公司将陷入广告战，而广告成本的增加损害了二公司的收益，这就是陷入囚徒困境。在现实中，要二互相竞争的公司达成合作协议是较为困难的，多数都会陷入囚徒困境中。

　　自行车赛例子

　　自行车赛事的比赛策略也是一种博弈，而其结果可用囚徒困境的研究成果解释。例如每年都举办的环法自由车赛中有以下情况：选手们在到终点前的路程常以大队伍（英文:Peloton）方式前进，他们采取这策略是为了令自己不至于太落后，又出力适中。而最前方的选手在迎风时是最费力的，所以选择在前方是最差的策略。通常会发生这样的情况，大家起先都不愿意向前（共同背叛），这使得全体速度很慢，而后通常会有二或多位选手骑到前面，然后一段时间内互相交换最前方位置，以分担风的阻力（共同合作），使得全体的速度有所提升，而这时如果前方的其中一人试图一直保持前方位置（背叛），其他选手以及大队伍就会赶上（共同背叛）。而通常的情况是，在最前面次数最多的选手（合作）通常会到最后被落后的选手赶上（背叛），因为后面的选手骑在前面选手的冲流之中，比较不费力。

“囚徒困境”是博弈论的一个经典案例。它是著名经济学家塔克最早修改而提出来的一个例子。囚徒困境讲述的是这样一个故事：警察抓住两个偷窃的嫌疑犯，并分别把他们隔离在两个审讯室中进行审问。警察知道这两个人除此次人赃俱获的偷窃外，还犯有其他罪行，但缺乏足够的证据定罪。于是，警察想就此机会，让嫌疑犯彻底坦白其罪行，其方法是分别私下告诉每一个嫌疑犯如下的出路：如果只有他一人坦白而对方抵赖，那么，坦白者被释放，抵赖者被判9年徒刑；如果两人都坦白，各判5年；如果两人都抵赖，当然就只能以现有证据，各判2年。在这种情况下，每个嫌疑犯都只有“坦白”或“抵赖”两种策略选择，并面临着四种可能的结局，表10-2刻画了这两个嫌疑犯面对的博弈。 其中，每格前一个数字代表A的支付（即被判的刑期），后一个数字代表B的支付。这种博弈的结果将是：如果每个嫌疑犯都只是想使自己的利益最大化（即被判的刑期最短），而且无法影响对方的行为，那么，唯一可能的答案就是：两人都坦白交代，各自被判5年徒刑。因为在此案例中，当参与者力图使其损失最小化时，他就只能遵循“最小最大”的决策标准，即“最大损失中求取最小损失”的决策，参与者将选择那种能使可能的最大损失最小化的策略。对于囚犯A来说，最大损失中求取最小损失的策略是“坦白”，对B来说，同等的策略也是“坦白”，从而建立起一种策略均衡。在这种均衡中，“坦白”是他们每个人的超优策略。{图0} 其实在“囚徒困境”中，最好的结局是都“抵赖”，各判2年徒刑，但这是不可能的。因为不论是嫌疑犯A还是B，只要单独改取“坦白”的策略，就会由2年的徒刑改为释放，因而存在着偷换策略的诱感，处于不稳定的状态。在右上角如果B改取“坦白”的策略，刑期就可以从9年减为5年，因而也存在着偷换策略的诱惑，处于不稳定状态。同样的道理，左下角也处于不稳定状态。简言之，“抵赖”是一种劣策略。理性的参与者当然不会选择这种策略。 如果嫌疑犯在决定是否坦白之前可以交流信息，结果不会有差异。假设他们认识到警察已经发现他们的隐瞒之事，但他们在被抓之前有几分钟时间进行理性的讨论。嫌疑犯A-开始就指出，虽然每个人都有一个超优策略，但“坦白”会导致一个帕累托无效率的结果，所以，为什么不一致否认罪行呢？嫌疑犯B也有此思想，并同意这样做。但是两个小时后，他们最终会背叛同盟，坦白认罪，形成各判5年的结果。因为虽然有口头协议，但它却不具有约束力。每个囚徒都希望对方抵赖，自己坦白而释放。当他们都这样想并这么做时，就形成（坦白，坦白）的策略组合，（坦白，坦白）的策略组合是一个纳什均衡。 可以从上述讨论中得出一个重要的结论：超优策略均衡虽然是唯一可以预见到的结果，但这种策略组合却不一定是帕累托有效率的策略。在“囚徒困境”中，（坦白，坦白）是帕累托无效率的策略，因为每个人都被判5年徒刑，并不是博弈者共同的最优结果。他们共同的最优结果应该是各判2年，但却是无法实现的。于是，“囚徒困境”常常被经济学家作为一个经典案例来说明：自利的个人理性行为并没有导致一个社会的最佳结果，即个人理性与集体理性之间存在着深刻的冲突。 当然，在重复博弈中，囚徒困境可能会出现非合作性的共谋。尽管每个囚犯冒着被其他囚犯出卖的风险，但如果他选择不合作，就会失去获得长期合作收益的可能性，如果博弈重复的次数足够多，未来收益的损失就会超过短期被出卖的损失，因此，可能会出现参与者彼此合作的情况，采取帕累托有效的策略。