龙空技术网

《模型思考者》10:什么是“好的”复杂

音悦说说 390

前言:

此刻你们对“李雅普指数求解算法”大致比较关心,朋友们都想要分析一些“李雅普指数求解算法”的相关知识。那么小编在网络上网罗了一些关于“李雅普指数求解算法””的相关知识,希望我们能喜欢,你们快快来了解一下吧!

我们继续讲斯科特·佩奇的《模型思考者》。我们要讲一个特别重要也特别美好的数学概念,叫“李雅普诺夫函数(Lyapunov function)”,它是以俄国数学家亚历山大·李雅普诺夫命名的。这个东西已经有超过一百年的历史,但是并没有在民间流行。

理解了李雅普诺夫函数,你就能领略一点数学家的思维方式,看看数学家如何从一个问题中提炼出一个好思想,然后把它推广到其他问题中去。你还可以获得一个对世界的洞见,然后用这个洞见去处理一些真问题。

我们想研究复杂系统的均衡态。

均衡,我们已经说过多很多次了。博弈论里有“纳什均衡”,经济学讲的“有效市场”也是均衡,上周我们讲到“马尔可夫过程”最终也会走向一个均衡。

什么是均衡呢?说白了,就是不管你这个系统有多复杂,不管一开始有多么动荡,它最终会达到一个稳定的、井井有条的状态。比如我们身处的现代社会很复杂,每个人都是自由的,你今天上班也行,请假不上班也行,你愿意购物还是旅行都可以,可是整个社会不会乱,不会动荡不安,这就是均衡。

我们要问的是,一个复杂系统需要满足什么样的条件,才能确保会达到均衡呢?这个问题听起来很难,但是数学家找到了一个特别简单的解,这就是李雅普诺夫函数。

1.李雅普诺夫函数

咱们想象一个虚拟的场景。从今年开始,美国每个州都实行一项福利政策,给最无助的穷人发放补贴金。有的州给每人发1000美元,有的州发800美元。这是一个献爱心的事儿,各州都要表示一下,但是又都不想比别的州发得多,不然困难人群就都搬到你这个州来领补贴了。

我们设想一个这样的数学模型。第一年,各州都不知道别的州发多少钱,给的数额都比较随意。从第二年开始,每个州发放的数额,都至少要比前一年所有州平均值的2/3,再少一块钱。

那请问在这种情况下,经过若干轮的演化之后,系统会达到一个什么样的状态?

答案是一个最终每个州都不给钱的均衡态。

这个道理比较容易想明白,但是咱们使用一个正规的证明方式。我们设想这么一个函数 L:

L = 每年给钱最多的州给了多少钱

咱们看看 L 的取值会怎么变化。不管第一年 L 是多少,第二年的 L 肯定会比第一年的 L 的2/3还要至少要少一块钱,……以此类推。L 显然满足下面这两个条件——

1. L 的取值,每一步都比前一步至少要减少一个固定的数值;2. L 存在一个最小值。

满足这两个条件的函数,就叫李雅普诺夫函数。比如对咱们这个问题来说,不管前一年的 L 是多少,这一年的 L 至少比它少 1 块钱;而 L 的最小值是 0。

那么数学家提出一个定理,说对于任何复杂系统,只要你能在其中找到一个李雅普诺夫函数,这个系统就终将会演化到一个稳态。

为啥呢?因为系统演化的每一步,L 都至少要减少不是无限小的一点点 —— 这叫“不怕慢,就怕站” —— 而 L 还有个最小值,所以 L 就终归会达到那个最小值。而到那个时候,就意味着系统进入了一个不变的状态,这就是一个均衡态。

希望减少福利的例子能帮你理解这个思想。各个州减少福利的游戏不会一直玩下去,等到减无可减,也就是大家都是 0,自然就是均衡。

现在咱们把这个思想再用一次。

2.自组织

社会活动为什么是一个均衡态呢?以前亚当·斯密提出“看不见的手”这个说法,说市场可以自动调节每个参与者的活动 —— 更现代的学者把个现象叫做“自组织”。可是到底为什么看不见的手这么有效,其实我们还需要一个数学证明。

我们考虑这么一个社会系统模型。社会中有多个地点,比如有咖啡馆、有健身房、有面包店等等,每个人可以任意选择在某个时刻去某个地点消费。时间长了之后大家都形成了各自的消费习惯。那么我们可以证明,这些习惯将是一个均衡态 —— 每个地点都不会特别拥挤或者特别冷清,一切都井井有条。

想要证明这一点,你只要能找到系统的一个李雅普诺夫函数就行。

我们先定义一个概念,叫“拥挤度”。对个人来说,你的拥挤度,就是在同一时间和同一地点,跟你一起做同一件事的人数。比如我到一个咖啡馆喝咖啡,如果除了我之外,现在还有20个人也在这里喝咖啡,我的拥挤度就是20。

然后我们定义这么一个函数 L,L = 全社会总的拥挤度,也就是把所有人的拥挤度加起来之和。

好,现在我们可以证明,如果社会上的人都比较理性,L 就是一个李雅普诺夫函数。

比如有一位王女士,本来每天早上8点钟去健身房健身,下午4点去喝咖啡。如果她发现早上健身的人很多,喝咖啡的人很少;而下午喝咖啡的人很多,健身的人很少,她就有可能改变自己的生活习惯。

如果王女士改为上午喝咖啡,下午去健身,我们看看社会总拥挤度 L 会发生什么变化。首先王女士现在去的两个地方的人都比以前少了,所以她自己的拥挤度会下降。再者,王女士在每个地点,都给那个地点所有的人都增加了一个拥挤度,而现在她改为都在低峰时候去,那么被她提供拥挤度的人数也会减少。所以不论是对自己还是对别人,王女士这个改变,都降低了 L 值。

如果系统中每个人都像王女士这样自我调整,L 就是一个不断下降的函数,而且L显然有一个最小值(因为再小也不会比 0 小),所以 L 是个李雅普诺夫函数。

那既然这个系统有李雅普诺夫函数,它就一定会达到一个拥挤度最低的均衡状态。你看这就是李雅普诺夫函数的妙处,也许这系统有很多个李雅普诺夫函数,而你只需要找到一个就行 —— 只要能找到一个,你就证明了系统的均衡性。

当然真实社会中并非每个人都像王女士这么“理性”,有的人就喜欢凑热闹,而且有时候一群人集体转移战场也会增加拥挤度……但是,那些情况并不常见。通常情况下人们都是避开拥挤,自我调节。这条路太堵了,我就换一条路。今天晚上电影院人太多,我就换个时间来看电影。

而因为你有了李雅普诺夫函数这个眼光,你就能判断,哪怕社会再复杂,它也终将会达到一个*相当*均衡的状态。

3.自由贸易

很多年以前我为了学英语,读过一本英文的《读者文摘》,其中有一篇文章的开头,让人过目不忘。那是一篇经济学家写的文章,说为什么我们应该提倡自由贸易呢?因为当商品发生交换的时候,买卖双方都会感到有利。

如果你愿意花50块钱买一本书,肯定是你觉得这本书对你的价值超过50块钱;而卖书的人则认为50块钱对他也是合算的,这样你们才能达成交易。

那既然如此,自由的商品交换中就应该存在一个李雅普诺夫函数,L = 社会总幸福度。

首先每发生一次商品交换,买卖双方的幸福度就会都增加一点,所以 L 增加。其次因为商品是有限的,社会总幸福度必然有一个极大值。这和我们前面说的 L 总减少而且 L 有极小值的道理一样 [1],所以 L 是李雅普诺夫函数,所以社会应该会达到一个到处都是自由贸易的理想状态。

……可问题是为什么现在各国都有很多反对自由贸易的声音呢?为什么要搞贸易保护呢?因为我们定义的这个 L,其实没考虑周全。

每一次商品交换,的确是买卖双方都满意 —— 但是第三方可能会有人不满意。你俩的幸福度上升了,别人的幸福度却可能因为你俩这次交易而下降。

佩奇举的例子是伊拉克想用石油换巴基斯坦的原子弹技术。这两个国家的确是高兴了,可是国际社会可不干。邻国不希望伊拉克有原子弹,地区关系会变得紧张,别人不得不采取军备竞赛之类的行动,于是整个系统会不稳定。

一般国际贸易也是这样。中国的商品出口到美国,中国的商家挣到了钱很高兴,美国的老百姓买到便宜东西也很高兴,那谁不高兴呢?特朗普不高兴。美国那些因为进口中国商品而失去就业机会的生产者不高兴。

这种旁观者的不高兴,就是经济学家说的“负的外部性”。因为存在负外部性,前面说的那个 L 就不一定是李雅普诺夫函数。经济学家总是呼吁自由贸易的好处,而数学家一看就知道这个系统不会达到完全自由贸易的理想状态。

4.应用

李雅普诺夫函数这个思想很简单,所以也很有用。

佩奇有个学生,他上班的公司,有一次搬到了全新的办公室,老板突发奇想,说我们应该随机安排员工座位,然后允许任何两个员工互相调换座位。老板认为这个思路符合自由市场的原则,相信员工们会自组织,达到一个最优的平衡态。

但是佩奇的学生学过模型思维,马上就指出这么做不对!学生说换座位是能让换座位的双方满意,可是它有一个负的外部性啊 —— 他俩原来的邻座可能会不满意!邻座会想,你换座位是不是因为不喜欢我呢?而且你换这个人过来也没征求我的意见啊,我不喜欢他!所以换座幸福度不是李雅普诺夫函数。老板一听有道理,就打消了这个想法。

后来老板又有一个新想法,他买了各种不同款式的办公座椅,随机发给员工,然后让员工自由交换座椅。佩奇的学生一看这个是可行的,因为座椅只影响到交换的双方,第三方的人不在乎你坐什么样的椅子,其中没有负的外部性,所以幸福度是个李雅普诺夫函数……

*

也许就算不知道李雅普诺夫函数,你也能找到其中的问题 —— 但是有了李雅普诺夫函数这个概念,你从此就会对复杂系统的演化非常敏感。数学模型能让你的脑子里多一根弦。

咱们好好体会一下这个思想的妙处。不管是多复杂的系统,数学家说只要你能抓住其中一个关键变量,你就能证明它会是均衡的。

请注意这个道理反过来可不一定对:并不是所有均衡系统都有李雅普诺夫函数。就有一些系统,经验表明是均衡的,可是数学家就是没有找到它的李雅普诺夫函数,所以没办法证明它为什么一定会达到均衡……这在数学上是一类很有意思的问题。

李雅普诺夫函数,是数学家的战略性武器。

注释

[1] 或者如果你强行要求标准的李雅普诺夫函数定义,也可以定义 L = 幸福度极大值 - 社会总幸福度,道理就完全一样了。

标签: #李雅普指数求解算法