Chapter 4 of 8
Strict and weak dominance, and what it means when no strategy dominates
প্রথম অধ্যায়ে "ডমিন্যান্স" একটি একক ধারণা হিসেবে পরিচয় করানো হয়েছিল। বাস্তবে, ডমিন্যান্স দুটি রূপে আসে যা গুলিয়ে ফেলা সহজ কিন্তু খুব ভিন্ন অর্থ বহন করে। কঠোর ডমিন্যান্স হলো শক্তিশালী সংস্করণ: একটি কৌশল অন্য কেউ যাই করুক সবসময় ভালো। দুর্বল ডমিন্যান্স হলো নরম ভাই: একটি কৌশল কখনো খারাপ নয়, এবং কখনো কখনো ভালো।
উভয়ই একই উদ্দেশ্যে কার্যকর — যুক্তিসঙ্গত হতে পারে না এমন কৌশল বাদ দিয়ে গেম সরলীকরণ। পার্থক্য গুরুত্বপূর্ণ কারণ দুর্বল ডমিন্যান্স সত্যিই দুর্বল: একটি দুর্বলভাবে ডমিনেটেড কৌশল এখনও ন্যাশ ইকুইলিব্রিয়ামের অংশ হতে পারে। কঠোর ডমিন্যান্স পারে না।
এবং তারপর সবচেয়ে আকর্ষণীয় কেস: একটি গেম যেখানে কোনো কৌশলই কোনো পক্ষকে ডমিনেট করে না। যখন এটা ঘটে, বিশুদ্ধ-কৌশল ন্যাশ ইকুইলিব্রিয়াম বিদ্যমান নাও থাকতে পারে — এবং আমাদের র্যান্ডমাইজেশন আনতে হবে। এখানেই এই অধ্যায় শেষ হয়, ম্যাচিং পেনিজ দিয়ে, সেই সহজতম গেম যেখানে বেস্ট রেসপন্স সম্পূর্ণভাবে প্রতিপক্ষ কী করে তার উপর নির্ভর করে।
তুমি একটা চাকরির ইন্টারভিউতে আছো। দুটি কোম্পানি অফার দিয়েছে। কোম্পানি X তোমাকে এমন একটি পজিশন অফার করছে যেটায় মাসে ৫০,০০০ টাকা দেয় কিন্তু তোমার অপছন্দের শহরে রিলোকেট করতে হবে। কোম্পানি Y মাসে ৪৫,০০০ টাকা দেয় কিন্তু তোমাকে যেখানে আছো সেখানে থাকতে দেয়। উভয় অফারই দৃঢ়।
কঠোর ডমিন্যান্স নির্দ্বিধায়: যদি একটি তৃতীয় বিকল্প বিদ্যমান থাকতো — ধরো, মাসে ৩০,০০০ টাকা, রিলোকেশন, এবং ১২ মাসের লক-ইন — সেই তৃতীয় বিকল্পটি উভয় অন্য অফার দ্বারা কঠোরভাবে ডমিনেটেড হতো। এটা যেকোনো ক্ষেত্রে খারাপ (কম টাকা, একই রিলোকেশন খরচ, একই লক-ইন)। যেকোনো যুক্তিসঙ্গত সিদ্ধান্ত গ্রহণকারী এটিকে দ্বিতীয় চিন্তা ছাড়াই বাদ দিতো।
কল্পনা করো তুমি তিনটি ফোন প্ল্যানের মধ্যে বেছে নিচ্ছো:
প্ল্যান A ও প্ল্যান B উভয়ের একই দাম, এবং প্ল্যান B-তে প্ল্যান A-এর সব সুবিধা আছে প্লাস রোলওভার। প্ল্যান A প্ল্যান B দ্বারা দুর্বলভাবে ডমিনেটেড: এটা কখনো ভালো নয় (একই দাম, কম সুবিধা), এবং অন্তত একটি মাত্রায় কঠোরভাবে ভালো (কোনোটিই নয় — এগুলো সমান, শুধু B-তে রোলওভার আছে)। তাই প্ল্যান B প্ল্যান A-কে দুর্বলভাবে ডমিনেট করে। কিন্তু প্ল্যান A এখনও এমন কারো জন্য একটি বিকল্প যে কোনো অদ্ভুত কারণে রোলওভার ছাড়াই পছন্দ করে। দুর্বল ডমিন্যান্স বলে না "এটা কখনো খেলো না।" এটা বলে "এই কৌশলটি বিকল্পের চেয়ে কখনো কঠোরভাবে ভালো নয়।"
খেলোয়াড় -এর একটি কৌশল অন্য একটি কৌশল -কে কঠোরভাবে ডমিনেট করে যদি, অন্য খেলোয়াড়দের প্রতিটি কৌশল-প্রোফাইল -এর জন্য,
সমতুল্যভাবে: প্রতিটি ক্ষেত্রে -এর চেয়ে কঠোরভাবে বেশি পেওয়াফ দেয়, অন্য কেউ যাই খেলুক।
যদি একজন খেলোয়াড়ের একটি কৌশল থাকে যা প্রতিটি বিকল্পকে কঠোরভাবে ডমিনেট করে, সেই কৌশলটি তার জন্য কঠোরভাবে ডমিন্যান্ট। প্রতিটি খেলোয়াড়ের একটি থাকলে এবং সবাই সেটা খেললে, ফলাফল হলো কঠোরভাবে ডমিন্যান্ট স্ট্র্যাটেজি ইকুইলিব্রিয়াম।
কঠোর অসমতা লক্ষ্য করো। এটাই কঠোর করে তোলে। একই বা বেশি পেওয়াফ দেয় এমন একটি একক কাউন্টার-উদাহরণ কঠোর ডমিন্যান্স ভাঙতে যথেষ্ট।
অ্যালগরিদম: যেকোনো খেলোয়াড়ের জন্য বারবার কঠোরভাবে ডমিনেটেড কৌশল ক্রস করো। প্রতি খেলোয়াড়ের জন্য শুধুমাত্র একটি কৌশল অবশিষ্ট থাকলে, সেটাই ইকুইলিব্রিয়াম।
এই অ্যালগরিদম সবসময় অপসারণের ক্রম নির্বিশেষে একই ফলাফলে মিলে — এটি একটি উপপাদ্য যা আমরা এখানে প্রমাণ করব না, কিন্তু জানা মূল্যবান।
যখনই একটি গেমে কঠোরভাবে ডমিনেটেড কৌশল দেখবে, অবিলম্বে এটি বাদ দাও। হ্রাসকৃত গেম ছোট এবং বিশ্লেষণ করা সহজ। এটি যেকোনো সসীম গেমের জন্য কাজ করে, ধারাবাহিক গেম সহ।
খেলোয়াড় -এর একটি কৌশল অন্য একটি কৌশল -কে দুর্বলভাবে ডমিনেট করে যদি, অন্য খেলোয়াড়দের প্রতিটি কৌশল-প্রোফাইল -এর জন্য,
এবং অন্তত একটি প্রোফাইল বিদ্যমান যেখানে অসমতা কঠোর:
সহজ ভাষায়: কখনো -এর চেয়ে খারাপ নয়, এবং অন্তত একটি ক্ষেত্রে কঠোরভাবে ভালো।
এটাই দুর্বল ডমিন্যান্সের ব্যবহারিক বিপদ। কঠোর ডমিন্যান্স বোঝায় কৌশলটি কোনো ন্যাশ ইকুইলিব্রিয়ামের অংশ হতে পারে না। দুর্বল ডমিন্যান্স পারে না। কারণ: একটি দুর্বলভাবে ডমিনেটেড কৌশলে, অন্য খেলোয়াড়ের সুইচ করার কোনো প্রণোদনা নেই — তারা নিরপেক্ষ হতে পারে বা বর্তমান অবস্থা কঠোরভাবে পছন্দ করতে পারে। তাই কৌশলটি ইকুইলিব্রিয়ামের অংশ হিসেবে টিকে থাকতে পারে।
দুর্বলভাবে ডমিনেটেড কৌশল বাদ দিলে, তোমাকে মূল ম্যাট্রিক্সে ইকুইলিব্রিয়াম বিশ্লেষণ পুনরায় করতে হবে। হ্রাসকৃত ম্যাট্রিক্সে মূলের চেয়ে ভিন্ন ন্যাশ ইকুইলিব্রিয়াম থাকতে পারে।
| বৈশিষ্ট্য | কঠোর ডমিন্যান্স | দুর্বল ডমিন্যান্স |
|---|---|---|
| অসমতা | সর্বত্র | সর্বত্র |
| কোথাও কঠোরভাবে ভালো? | হ্যাঁ, সংজ্ঞা অনুসারে (সর্বত্র) | হ্যাঁ, অন্তত একটি ক্ষেত্রে |
| ন্যাশ ইকুইলিব্রিয়ামে থাকতে পারে? | না | হ্যাঁ — দুর্বলভাবে ডমিনেটেড কৌশল টিকে থাকতে পারে |
| অপসারণের ক্রম গুরুত্বপূর্ণ? | না (সবসময় একই ফলাফলে মিলে) | হ্যাঁ (ভিন্ন ক্রম ভিন্ন হ্রাসকৃত গেম দিতে পারে) |
| ব্যবহারিক ব্যবহার | গেম সরলীকরণের প্রাথমিক হাতিয়ার | মাধ্যমিক — সতর্কতার সাথে ব্যবহৃত |
এখন আমরা এমন একটি গেমের সাথে পরিচিত হব যেখানে কোনো খেলোয়াড়েরই কোনো ধরনের ডমিন্যান্ট স্ট্র্যাটেজি নেই। দুই খেলোয়াড় প্রত্যেকে একটি পেনি টেবিলে রাখে, তাদের হাতের নিচে লুকিয়ে। তারা একসাথে প্রকাশ করে: পেনি মিললে (উভয় হেড বা উভয় টেইল), খেলোয়াড় A জিতে B-এর পেনি নেয়; ভিন্ন হলে (একটি হেড, একটি টেইল), B জিতে A-এর পেনি নেয়।
পেওয়াফ ম্যাট্রিক্স:
| B: হেড | B: টেইল | |
|---|---|---|
| A: হেড | (+1, −1) | (−1, +1) |
| A: টেইল | (−1, +1) | (+1, −1) |
A-এর জন্য:
A-এর জন্য সেরা পছন্দ নির্ভর করে B কী খেলে তার উপর। B হেড খেললে হেড সেরা; B টেইল খেললে টেইল সেরা। কোনো কৌশলই সবসময় ভালো নয়। A-এর কোনো ডমিন্যান্ট স্ট্র্যাটেজি নেই। সামঞ্জস্যতা অনুসারে, B-এরও কোনো ডমিন্যান্ট স্ট্র্যাটেজি নেই।
চারটি ঘরের মধ্য দিয়ে হেঁটে যাও:
সামঞ্জস্যতা অনুসারে, কোনো চারটি ঘরই ন্যাশ ইকুইলিব্রিয়াম নয়। প্রতিটি ঘরে অন্তত একজন খেলোয়াড় আছেন যে সুইচ করতে চাইবেন।
এটি সেই মুহূর্ত যেখানে তত্ত্বকে বাড়াতে হবে। যদি কোনো বিশুদ্ধ কৌশল প্রোফাইল স্থিতিশীল না হয়, খেলোয়াড়দের অবশ্যই র্যান্ডমাইজ করতে হবে। আমরা পরবর্তী অধ্যায়ে এটি বিস্তারিতভাবে কাজ করব — কিন্তু মূল বিষয়টি হলো প্রতিটি খেলোয়াড়কে অবশ্যই 1/2 সম্ভাব্যতায় হেড এবং 1/2 সম্ভাব্যতায় টেইল খেলতে হবে। সেটি হলো একটি ন্যাশ ইকুইলিব্রিয়াম — শুধু বিশুদ্ধ নয়।
পরবর্তী অধ্যায় শূন্য-সমষ্টি গেম, মিশ্র কৌশল এবং মিশ্র কৌশল ন্যাশ ইকুইলিব্রিয়াম (MSNE) পরিচয় করায়। আমরা দেখব কীভাবে খেলোয়াড়রা প্রতিপক্ষকে ধোঁকা দেওয়া থেকে বিরত রাখতে র্যান্ডমাইজ করে, ম্যাচিং পেনিজের বিখ্যাত ৫০-৫০ মিশ্রণ ডেরাইভ করে, এবং রক-পেপার-সিজার্সে সাধারণীকরণ করে — একটি ৩×৩ শূন্য-সমষ্টি গেম যার একমাত্র MSNE হলো তিনটি পদক্ষেপের সমান মিশ্রণ।