生成配对硬币（Matching Pennies）博弈：

读取此博弈的说明：

求配对硬币博弈所属的类别：

可视化自己的 MatchingPennies：

生成一个 4 人参与的柏拉图困境博弈：

显示数据集：

生成一个 3 人参与的纯协调博弈（Pure Coordination game）：

显示数据集：

使用 GameTheoryData 时的典型工作流程如下.

查询可用的博弈：

了解有关博弈的更多信息：

如果想了解有关此博弈起源的更多信息，请查阅来源：

根据这些指示生成博弈：

使用 MatrixGamePlot 或TreeGamePlot 显示结果：

囚徒困境游戏（Prisoner's Dilemma game）是博弈论中最著名的游戏之一. 它模拟了这样一种情况：两个玩家在彼此背叛时具有个人优势，但只有当两个玩家合作时，才有可能实现最佳的全局策略. 描述如下：

生成囚徒困境游戏：

以数据集的形式可视化：

当双方都背叛时，出现纳什均衡：

啤酒乳蛋饼树游戏是一个序贯博弈，玩家 A 可能会通过玩家 A 的行为向玩家 B 发出信号，表明自己的本性. 描述如下：

生成啤酒乳蛋饼游戏：

可视化为树状图：

找到子博弈完美均衡：

可选囚徒困境，又称 OPD 游戏，是囚徒困境的三选项扩展. 这三个选项是合作、背叛和弃权. 如果任一玩家弃权，则所有玩家都会获得弃权收益：

生成您自己的可选囚徒困境游戏：

以数据集的形式可视化：

这个游戏有无数个纳什均衡，下面列举一些：

食客困境，又称不择手段的食客困境，是囚徒困境的 玩家延伸. 描述如下：

生成一个有 3 名玩家的食客困境游戏：

可视化为图表：

确定该游戏的纳什均衡：

蜈蚣树博弈是两个玩家之间不断增加赌注的游戏. 描述如下：

生成蜈蚣博弈：

可视化为树状图：

求子博弈完美均衡：

志愿者困境博弈模拟了这样一种情况：每个玩家要么做出让所有人受益的小牺牲，要么等待，期望从别人的牺牲中获益. 描述如下：

生成 4 名玩家的志愿者困境博弈：

以数据集的形式可视化：

可视化为图表：

确定该博弈的纳什均衡：

纯协调博弈模拟这样一种情况：如果两个玩家选择相同的行动，他们将获得相同的收益. 描述如下：

生成 2 名玩家的纯协调博弈：

可视化为图表：

求纳什均衡：

3 协调博弈是协调博弈的一种变体，其中玩家只有当其首选选项被至少两名玩家选择时才会获得奖励. 描述如下：

生成3 协调博弈：

以数据集的形式可视化：

可以发现无限个纳什均衡：

危险协调博弈是协调博弈的一种不对称变体，其中一名玩家在行动不协调的情况下会处于明显劣势. 描述如下：

生成危险协调博弈：

以数据集的形式可视化：

求纳什均衡：

巴赫或斯特拉文斯基博弈，又称性别之战（Battle of the Sexes）博弈 ，是一款著名的协调博弈. 虽然协调行动会得到奖励，但最高回报是给予玩家按照自己喜欢的行动进行协调. 以下是描述：

生成博弈：

以数据集的形式可视化：

求纳什均衡：

旅行者困境（Traveler's Dilemma）博弈模拟两个玩家在给定范围内对同一物品的出价，出价最低的玩家获益，出价最低的玩家会获得额外奖励. 场景描述如下：

生成旅行者困境博弈：

以数据集的形式可视化：

求纳什均衡：

鹰鸽博弈（Hawk-Dove game） 模拟两个玩家均渴望同一种资源的情况. 描述如下：

饼干仅剩最后一盒，两位顾客都想要. 他们都看重 (2) 这块饼干，但又不想争抢 (1). 生成相应的鹰鸽博弈：

以数据集的形式可视化：

求几个纳什均衡：

福利博弈（Welfare game）模拟一种不对称博弈，其中一个玩家对协调行动感兴趣，而另一个玩家对不协调的结果感兴趣. 描述如下：

生成福利博弈：

以数据集的形式可视化：

求纳什均衡：

贡献博弈（Contribution game）从具有三个均衡点的双人博弈推广而来：纯策略的两个不对称均衡和混合策略的一个对称均衡.

生成贡献博弈：

可视化为图表：

求几个纳什均衡：

以下是对反协调博弈的说明：

生成反协调博弈：

以数据集的形式可视化：

求纳什均衡：

猜均值的三分之二（Guess Two-Thirds Average）博弈模拟这样一种情况，其中所有玩家的目标是猜测所有其他玩家的行为：

生成猜均值的三分之二博弈：

可视化为图表：

求纳什均衡：

英雄博弈（Hero game）是巴赫或斯特拉文斯基博弈（Bach or Stravinsky game）的变体，其中不协调的情况比协调的情况更具优势：

生成英雄博弈：

以数据集的形式可视化：

找到 5 个纳什均衡：

巡查博弈（Inspection game）研究的是核实员工工作是否完成的问题，并作为概念化的简单模型. 描述如下：

生成巡查博弈：

以数据集的形式可视化：

小猪游戏（Small Pig game），又称理性猪博弈（Rational Pigs game），模拟了不对称志愿者博弈. 描述如下：

生成小猪游戏：

以数据集的形式可视化：

考虑一下石头剪刀布游戏（Rock Paper Scissors game）的说明：

生成石头剪刀布游戏：

考虑一下这个游戏所属的类别：

以数据集的形式可视化：

求纳什均衡：

查找对莫拉游戏（Morra game）的说明：

生成莫拉游戏：

以数据集的形式可视化：

查找对配对硬币（Matching Pennies）博弈的说明：

生成配对硬币博弈：

可视化为图表：

配对硬币博弈也有一个树状结构：

生成树状配对硬币博弈：

绘制博弈图：

查找对“小鸡”游戏（Chicken game）的说明：

生成“小鸡”游戏：

以数据集的形式可视化：

求纳什均衡：

查找对纳什扑克游戏（Nash Poker game）的说明：

生成纳什扑克游戏：

通过绘图可视化：

查找对柏拉图困境博弈（Platonia Dilemma game）的说明：

生成柏拉图困境博弈：

以数据集的形式可视化：

查找对沙普利博弈（Shapley game）的说明：

生成沙普利博弈：

以数据集的形式可视化：

查找对上校博弈（Colonel Blotto game）的说明：

生成上校博弈：

以数据集的形式可视化：

查找对俾斯麦战役博弈（Battle of the Bismarck game）的说明：

生成俾斯麦战役博弈：

以数据集的形式可视化：

这个游戏也有树状结构：

可视化为树状图：

革命树状博弈（Revolution tree game）是一种序贯博弈，通常用于表现一个国家与其殖民地之间的政治紧张关系. 描述如下：

生成革命博弈：

绘制博弈图：

求子博弈完美均衡：

升级博弈（Escalation game）是一种序贯博弈，玩家 A 可能会通过其行为表明自己的本性. 描述如下：

生成囚徒困境博弈：

可视化为树状图：

求子博弈完美均衡：

查找关于古诺寡头博弈（Cournot Oligopoly game）的说明：

生成古诺寡头博弈：

以数据集的形式可视化：

查找对线性古诺寡头博弈的说明：

生成线性古诺寡头博弈：

以数据集的形式可视化：

查找对伯特兰寡头博弈（Bertrand Oligopoly game）的说明：

生成伯特兰寡头博弈：

以数据集的形式可视化：

查找对“购买股票”博弈的说明：

生成购买股票博弈：

以数据集的形式可视化：

查找对复合博弈（Compound game）的说明：

生成类似于囚徒困境博弈的复合博弈：

这类似于囚徒困境博弈：

查找对指数博弈（Exponential game）的说明：

生成指数博弈：

以数据集的形式可视化：

查找对简单巡查博弈（Simple Inspection game）的说明：

生成简单巡查博弈：

可视化为图表：

查找对贪婪博弈（Greedy game）的说明：

生成贪婪博弈：

以数据集的形式可视化：

查找对随机博弈的说明：

生成随机博弈：

以数据集的形式可视化：

查找对零和随机博弈（Zero Sum Random game）的说明：

生成零和随机博弈：

以数据集的形式可视化：

查找对多元随机博弈的说明：

生成多元随机游戏：

以数据集的形式可视化：