معمای زندانی

نویسنده: Henrick Yau
- July 21, 2026
| |

معمای زندانی

سناریوی نظریه بازی «معضل زندانی» کلاسیک را کاوش کنید. مقادیر پاداش را تنظیم کنید، استراتژی‌های مختلف را شبیه‌سازی کنید و نتایج را برای درک پویایی همکاری و رقابت تحلیل کنید.

تنظیم ماتریس پاداش

زندانی A / زندانی B
همکاری
خیانت
همکاری
خیانت

پیش‌تنظیمات پاداش

شبیه‌سازی استراتژی

گزینه‌های نمایش

درباره معمای زندانی

معمای زندانی یک سناریوی کلاسیک در نظریه بازی‌هاست که نشان می‌دهد چرا دو فرد کاملاً عقلانی ممکن است همکاری نکنند، حتی اگر به نفعشان باشد.

سناریوی کلاسیک

دو زندانی یک پیشنهاد دریافت می‌کنند: به همدست خود خیانت کنید یا سکوت کنید (همکاری کنید). اگر هر دو سکوت کنند، هر کدام مجازات سبکی می‌گیرند. اگر هر دو به یکدیگر خیانت کنند، مجازات متوسطی می‌گیرند. اگر یکی خیانت کند و دیگری سکوت کند، خیانت‌کننده آزاد می‌شود در حالی که ساکت‌کننده مجازات سنگینی می‌گیرد.

استراتژی‌های کلیدی
  • همیشه همکاری: همیشه سکوت کنید، صرف‌نظر از کاری که زندانی دیگر انجام می‌دهد.
  • همیشه خیانت: همیشه خیانت کنید، صرف‌نظر از کاری که زندانی دیگر انجام می‌دهد.
  • چشم‌درمقابل‌چشم: با همکاری شروع کنید، سپس همان کاری را انجام دهید که زندانی دیگر در دور قبل انجام داد.
  • تصادفی: با احتمال مساوی همکاری یا خیانت کنید.
  • کینه‌جو: با همکاری شروع کنید، اما به محض اینکه زندانی دیگر خیانت کرد، از آن به بعد همیشه خیانت کنید.
  • پاولف: با همکاری شروع کنید. اگر حرکت آخر بازده مثبت داشت، آن را تکرار کنید؛ در غیر این صورت، استراتژی را تغییر دهید.
تعادل نش

تعادل نش وضعیتی است که در آن هیچ بازیکنی نمی‌تواند با تغییر استراتژی خود سود ببرد در حالی که دیگران استراتژی خود را تغییر نمی‌دهند. در معمای زندانی کلاسیک، خیانت متقابل تنها تعادل نش است، حتی اگر همکاری متقابل نتیجه بهتری برای هر دو بازیکن داشته باشد.

کاربردهای دنیای واقعی

معمای زندانی در بسیاری از موقعیت‌های دنیای واقعی کاربرد دارد:

  • مسابقات تسلیحاتی بین کشورها
  • حفاظت از محیط زیست و توافق‌های اقلیمی
  • رقابت تبلیغاتی بین شرکت‌ها
  • تثبیت قیمت و کارتل‌ها
  • مشارکت در کالاهای عمومی

معضل زندانی چیست؟

معضل زندانی یک مفهوم بنیادین در نظریه بازی‌ها است که بررسی می‌کند افراد چگونه تصمیم‌گیری می‌کنند وقتی نتایجشان نه تنها به انتخاب‌های خودشان، بلکه به انتخاب‌های دیگران نیز بستگی دارد. سناریوی کلاسیک شامل دو زندانی است که باید بدون اطلاع از تصمیم طرف مقابل، همکاری یا خیانت کنند.

این مدل قدرتمندی برای تحلیل تصمیم‌گیری استراتژیک در زندگی روزمره است، از رقابت‌های تجاری و مذاکرات سیاسی گرفته تا سیاست‌های زیست‌محیطی و روابط شخصی.

$$\text{ماتریس بازده} = \begin{bmatrix} (R, R) & (S, T) \\\\ (T, S) & (P, P) \end{bmatrix}$$

که در آن:

  • R: پاداش همکاری متقابل
  • T: وسوسه خیانت
  • S: بازده فرد فریب‌خورده (همکاری در حالی که دیگری خیانت می‌کند)
  • P: جریمه خیانت متقابل

هدف از این ماشین حساب

این ابزار معضل زندانی به شما امکان می‌دهد نحوه عملکرد استراتژی‌های مختلف در طول زمان را شبیه‌سازی و بررسی کنید. برای یادگیرندگان، دانشجویان و هر کسی که به چگونگی شکل‌گیری همکاری و خیانت در تعاملات تکراری کنجکاو است، ایده‌آل است.

برخلاف یک مثال ایستا، این ماشین حساب تعاملی است — به شما اجازه می‌دهد مقادیر بازده را تنظیم کنید، استراتژی‌ها را انتخاب کنید و بازی‌ها را در چندین دور شبیه‌سازی کنید. این به شما کمک می‌کند نتایج را تحلیل کنید، فرضیات را آزمایش کنید و الگوهای استراتژیک را کشف کنید.

نحوه استفاده از ماشین حساب

  • مرحله ۱: ماتریس بازده را تنظیم کنید تا مشخص شود وقتی بازیکنان همکاری یا خیانت می‌کنند چه اتفاقی می‌افتد. یا یک سناریوی از پیش تعیین‌شده مانند معضل زندانی کلاسیک یا بازی مرغ را انتخاب کنید.
  • مرحله ۲: برای هر بازیکن یک استراتژی انتخاب کنید. گزینه‌ها شامل همیشه همکاری کن، همیشه خیانت کن، چشم‌درمقابل‌چشم، کینه‌ای و موارد دیگر است.
  • مرحله ۳: تعداد دورهای شبیه‌سازی را تعیین کنید (۱ تا ۲۰۰ تکرار).
  • مرحله ۴: روی اجرای شبیه‌سازی کلیک کنید تا نتایج شامل امتیازات کل، نرخ همکاری و نمودار امتیاز بصری را مشاهده کنید.
  • مرحله ۵: از تحلیل ماتریس برای بررسی تعادل‌های نش و استراتژی‌های غالب استفاده کنید.

مزایای استفاده از این ابزار

  • تجسم تعاملات استراتژیک و نتایج تصمیم‌گیری تکراری
  • درک مفاهیم کلیدی نظریه بازی‌ها مانند تعادل نش و استراتژی‌های غالب
  • بررسی مبادلات بین همکاری و رقابت
  • به‌کارگیری درس‌ها در سناریوهای واقعی مانند مذاکرات، مشارکت‌ها و اشتراک منابع

کاربردهای دنیای واقعی

معضل زندانی فقط یک آزمایش فکری نیست. از آن برای تحلیل موارد زیر استفاده می‌شود:

  • رقابت‌های تجاری و استراتژی‌های قیمت‌گذاری
  • توافق‌نامه‌های زیست‌محیطی و تعهدات تغییرات اقلیمی
  • روابط بین‌الملل و کاهش تسلیحات
  • رفتار اجتماعی و اعتمادسازی

این ابزار به شما کمک می‌کند تنظیمات مختلف را آزمایش کنید، درست مانند یک ماشین حساب الگو یا دستیار تحلیل داده در مدل‌های آماری. این ابزار با مفاهیمی در محاسبات آماری، تحلیل احتمال و حتی تخمین فاصله اطمینان ارتباط دارد.

سوالات متداول (FAQ)

  • آیا این ماشین حساب فقط برای دانشجویان است؟
    خیر. برای دانشجویان، معلمان و هر کسی که به تفکر استراتژیک یا علوم رفتاری کنجکاو است، عالی است.
  • تعادل نش چیست؟
    نتیجه‌ای پایدار است که در آن هیچ بازیکنی نمی‌تواند با تغییر یک‌جانبه استراتژی خود، بازده خود را بهبود بخشد.
  • آیا می‌توانم انواع دیگر بازی‌ها را شبیه‌سازی کنم؟
    بله. از تنظیمات از پیش تعیین‌شده برای بازی مرغ، شکار گوزن استفاده کنید یا سناریوی سفارشی خود را ایجاد کنید.
  • چرا همکاری متقابل اهمیت دارد؟
    در بسیاری از موقعیت‌های واقعی، همکاری متقابل به نتایج بهتری منجر می‌شود، اما دستیابی به آن همیشه آسان نیست. این ماشین حساب به شما کمک می‌کند دلیل آن را بفهمید.
  • این ابزار چه تفاوتی با ابزار دنباله اعداد یا ماشین حساب آماری دارد؟
    در حالی که ابزارهایی مانند تولیدکننده دنباله یا ماشین حساب انحراف معیار روی داده‌های خالص تمرکز دارند، این ابزار رفتار را شبیه‌سازی می‌کند — و آن را به روشی پویا برای بررسی تصمیمات و استراتژی‌ها در طول زمان تبدیل می‌کند.

بیشتر کاوش کنید

به ابزارهای تصمیم‌گیری بیشتری علاقه‌مندید؟ موارد زیر را امتحان کنید:

  • ابزار انحراف معیار برای اندازه‌گیری تغییرپذیری داده‌ها
  • ماشین حساب احتمال برای تخمین شانس‌ها
  • ابزار میانگین و میانه برای تحلیل میانگین‌ها
  • راهنمای جایگشت و ترکیب برای بررسی امکانات چیدمان
  • تولیدکننده دنباله اعداد برای یافتن الگوهای عددی

تفکر استراتژیک، مانند تحلیل آماری، وقتی زوایای مختلف را بررسی کنید بهبود می‌یابد. این ماشین حساب نظریه بازی‌ها این مفاهیم را به روشی ساده و سرگرم‌کننده برای آزمایش زنده می‌کند.