[论文解读] A mathematical model of the Mafia game

Piotr Migdał|arXiv (Cornell University)|Sep 6, 2010

Complex Systems and Time Series Analysis被引用 7

一句话总结

本文将黑手党游戏建模为离散时间的纯死亡过程，分析了在 $ n $ 名玩家和 $ m $ 名黑手党成员的游戏中，黑手党获胜的概率 $ w(n,m) $。推导出闭式解，并表明最优黑手党规模与 $ \sim \sqrt{n} $ 成正比，当 $ m \approx \frac{1}{2} \sqrt{\frac{2}{\pi}} \sqrt{n} $ 时，双方获胜机会大致相等，且该结果强烈依赖于 $ n $ 的奇偶性。该模型还提供了精确的动力学行为和连续时间近似。

ABSTRACT

Mafia (also called Werewolf) is a party game. The participants are divided into two competing groups: citizens and a mafia. The objective is to eliminate the opponent group. The game consists of two consecutive phases (day and night) and a certain set of actions (e.g. lynching during day). The mafia members have additional powers (knowing each other, killing during night) whereas the citizens are more numerous. We propose a simple mathematical model of the game, which is essentially a pure death process with discrete time. We find the closed-form solutions for the mafia winning-chance, w(n,m), as well as for the evolution of the game. Moreover, we investigate the discrete properties of results, as well as their continuous-time approximations. It turns out that a relatively small number of the mafia members, i.e. proportional to the square root of the total number of players, gives equal winning-chance for both groups. Furthermore, the game strongly depends on the parity of the total number of players.

研究动机与目标

• 开发黑手党游戏的随机数学模型，以捕捉玩家在离散昼夜循环中被逐出游戏的核心机制。
• 确定在总共有 $ n $ 名玩家和 $ m $ 名黑手党成员的条件下，黑手党获胜的精确概率 $ w(n,m) $。
• 分析游戏的动力学演化过程，包括黑手党成员数量随时间的分布。
• 研究模型的渐近行为及连续时间近似。
• 识别在双方获胜概率相等时的条件，特别是针对给定 $ n $ 的最优 $ m $。

提出的方法

• 将游戏建模为离散时间步长的纯死亡过程，对应于交替的白天和黑夜阶段。
• 使用组合概率计算不同黑手党成员数量状态之间的转移概率。
• 利用容斥原理和双重阶乘恒等式，推导出经过 $ t $ 轮后仍存活 $ m $ 名黑手党成员的概率 $ p_m(t) $ 的闭式表达式。
• 对离散过程应用连续时间近似，表明其收敛至确定性微分方程。
• 使用渐近分析推导 $ w(n,m) $ 的近似式，特别是在 $ n \to \infty $ 的极限下，并将其与已知结果关联。
• 通过分别分析偶数和奇数 $ n $ 的情况，研究奇偶性效应。

实验结果

研究问题

• RQ1 在 $ n $ 名玩家和 $ m $ 名黑手党成员的游戏中，黑手党获胜的精确概率 $ w(n,m) $ 是多少？
• RQ2 存活黑手党成员的数量如何随时间演变，该过程的分布是什么？
• RQ3 对于给定的 $ n $，使双方获胜概率相等的最优黑手党成员数量 $ m_{\text{opt}} $ 是多少？
• RQ4 游戏结果如何依赖于 $ n $ 的奇偶性，这为何对动力学有影响？
• RQ5 连续时间近似在多大程度上能捕捉离散时间模型的行为？

主要发现

• 黑手党获胜的精确概率由闭式表达式给出：$ w(n,m) = 1 - \sum_{i=0}^{m} \binom{m}{i} (-1)^i \frac{(n-i)!!}{n!! \, ((n \bmod 2) - i)!!} $。
• 当 $ n $ 较大时，获胜概率近似为 $ w(n,m) \approx \left(\frac{\pi}{2}\right)^{(n \bmod 2) - 1/2} \frac{m}{\sqrt{n}} $，显示出与 $ \sim m / \sqrt{n} $ 的依赖关系。
• 使双方获胜概率相等的最优黑手党成员数量约为 $ m_{\text{opt}} \approx \frac{1}{2} \left(\frac{\pi}{2}\right)^{-(n \bmod 2) + 1/2} \sqrt{n} $，其与 $ \sqrt{n} $ 成正比。
• 游戏对 $ n $ 的奇偶性表现出强烈依赖：当 $ n $ 为偶数时，求和中的 $ i=2 $ 项消失，从而简化了渐近行为。
• 连续时间近似忽略了离散奇偶性效应，表明游戏的离散本质对完整捕捉动力学至关重要。
• 当仅有一名黑手党成员时（$ m=1 $），获胜概率为 $ w(n,1) = 1 - \left(1 - \sqrt{1 - \frac{n-1}{n}}\right)^1 \approx \frac{1}{\sqrt{n}} $，与一般渐近趋势一致。