后向归纳法的动态认知刻画

摘要：

后向归纳法BI(Backward Induction)是求解动态博弈的经典算法,其认知机制的探讨多是基于静态的认知模型展开的.这样,为了给BI算法结果中具有反事实性的理性行动提供合理置信的解释,一些非平凡的条件被添加到这类认知模型中,形成多种较为复杂的条件知识(或信念)或层级式(Hierarchical)知识(或信念)系统.我们构建了一类博弈认知模型,基于公开宣告逻辑PAL (Public Announcement Logic),实现博弈认知模型的动态更新,论证了在完美信息动态博弈中,选手间的理性公共知识能够导致BI算法结果,为该算法的认知务件提供了一种新的逻辑刻画.这种刻画没有涉及选手策略等博弈概念,通过利用PAL中模型更新的动态性来描述动态博弈中的BI算法认知条件,不会受到通常BI算法认知刻画理论中所涉及的反事实(无论是主观还是客观)推理的影响,从而有效地避免了复杂的条件信念(或知识)系统或层级式知识(或信念)和信念修正的问题.

关键词：后向归纳法、理性、公开宣告逻辑

分类号：B81-05(逻辑学(论理学))

资助基金：国家社科基金资助项目12CZX056;教育部人文社会科学重点研究基地重大项目15JJD720014;广东省哲学社会科学“十二五”规划青年项目GD11YZX03

在线出版日期：2016-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：35-41