。我们这就验证一下：假如“奇数”选手出一个指头和两个指头的机会是各一半，那么，“偶数”选手无论选择出一个还是两个指头，平均每场游戏将会赢得0。50xl＋0。50x（…1）=0美元。因此，假如他的策略也是50：50，那么他的平均所得就是0美元。同样的证明反过来也适用。因此，两个50：50混合策略对彼此都是最佳选择，它们合起来就是一个均衡。这一解决方案的名称叫做“混合策略”均衡，反映了个人随机混合自己的策略的必要性。
若是换了其他更一般的情况，这个均衡混合的对称性就不会显得如此明显，但仍有一些简单规则可以用来计算。我们以网球比赛为例子说明这些规则。
2 ．有人要打网球吗？
网球的首要策略教训之一，就是不到最后一瞬不要选定一个方向。否则，对手可以利用对你的猜测，将球击向另一方。不过，哪怕你看不出对手的移动，预测一下也是大有好处的。假如发球者总是瞄准接球者的反手，接球者就会早有准备，开始向那个方向移动，从而可以更好地将球打回去。因此，发球者应该努力使自己的发球变得不可预测，不让接球者准确预计他的目标。相反，接球者启动的时候不能完全倾向于奔向这一方或者那一方。与手指配对游戏不同，网球选手不应该将不可预测性等同为输赢机会相等。参与者可以通过系统地偏向一边而改善自己的表现，只不过这样做的时候应该确保对方不能预见。
为了具体阐述这个问题，我们设想有这么一对具备特殊技巧的网球选手。接球者的正手稍微强一些。假如他的预计正确，他的正手回球有90％的机会获得成功，而反手回球的成功率只有60％。当然，假如他跑向一方而对方发出的球飞向另一方，那么，回球的质量就会大打折扣：假如他跑向反手一方，而对方发出的球飞向他的正手一方，他能及时转向而成功回球的概率只有30％
；反过来，他的成功率只有20％。我们可以用图7…2 显示上述情况。
发球者一心要使对方回球成功的概率越低越好；接球者的目标恰恰相反。比赛开始前，两位选手要选择自己的作战计划。他们各自的最佳策略是什么？
假如发球者永远瞄准对手的正手，接球者就会预计到球会朝自己的正手而来，从而有90％的概率回球成功。假如发球者永远瞄准对手的反手，接球者也能预计到球会朝自己的反手而来，从而有60％的概率回球成功。
图7…2
接球者成功回球的概率发球者只有打乱自己的瞄准目标才能降低接球者回球成功的概率。这么一来，他会让接球者永远处于猜测之中，也就没有办法尽享准确预测的优势了。
假设发球者在每次发球前都会在自己的脑子里投掷一枚假想的硬币，根据硬币出现正面或者反面决定自己的发球应该瞄准对手的正手还是反手。现在我们考察接球者若是向正手方移动会出现什么情况。这一猜测准确的概率只有50％。猜测准确的时候，正手回球的成功概率是90％
；而猜测出错的时候，接球者及时转向而成功回球的概率只有20％。因此，他的整体成功概率是1/2*90％ ＋1/2*20％=55
％。通过类似的计算可以知道，若是向反手方移动，他的整体成功概率是1/2*60％＋1/2*30％=45％。
在发球者采取50：50
混合策略的前提下，接球者若是从自己的角度出发，就能选出最佳回应策略。他应该向正手方向移动，这么做，成功回球的概率达到55％。而在发球者看来，这个成绩与他永远将球发向一方得到的结果相比已经有所改善。对比一下，假如发球者永远将球发向一方，分别是接球者的正手方和反手方，那么，接球者的成功回球概率分别为90％和60％。
另一个显而易见的问题是，发球者的最佳混合策略是什么？要回答这个间题，我们可将不同的混合策略的结果列成一个图表（如图7
…3所示）。发球者瞄准对方正手方向的概率是一条从O
到100％的水平线。对于所有这些混合策略，图中有两条线，一条显示接球者准备向正手方移动的成功回球概率，另一条则显示他准备向反手方移动的成功回球概率。举个例子：假如接球者准备向正手方移动，概率为0的向正手发球的策略（即100％地向反手发球的策略）就能使接球者的成功回球概率维持在20％的低水平，而100％地向正手发球的策略则会使接球者的成功回球概率达到90％。接球者的成功回球概率从一端直线上升到另一端。
图7…3两条直线交于一点，在这一点上发球者只有40％的时间将球发向对方正手方。在交点的左边，接球者若是预计对方会将球发向反手方，那么他的成功回球概率就会提高；而在右边，他若是预计对方会将球发向正手方，成功回球概率也会提高。①①
注意，一旦发球者选择向接球者正手方向发球的概率超过40％ （不是50％ ）
，接球者如果将赌注押在正手方向，就能取得更好的成绩。哪怕发球者选择向接球者反手方向发球的概率还是较大，但他向两个方向发球的技巧却不相等。
向正手和向反手发球维持在40：60的混合策略，是惟一一个不会让接球者用上述方法占便宜的选择。只有选择这种混合策略，接球者无论选择防守正手还是反手，其成功回球概率都是一样的。两种情况都会留给接球者48％的成功回球概率。发球者若是采取其他任何一种混合策略，只要接球者善加利用，就能使自己的成功回球概率沿着图中的两条直线上升到交点之上，也就是超过48％。因此，40％的时间瞄准对方的正手就是发球者的最佳策略。
混合策略的确切比例是由基本行动配对而成的4种情况确定的。对于拥有不同的绝对优势和相对优势的选手，这里的数字90、60、30
和20会相应发生变化，而他们的最佳混合策略也会随之不同。我们很快就会发现，这样一些变化可能导致一些令人惊讶的结果。这里的关键在于，你必须通过估计你真正参加的博弈的4种基本情况，确定自己的最佳混合策略。
这里有一条捷径，使你不必画出前面提到的图表也可以计算出均衡策略。这个简单的算术方法归功于J。D．威廉斯。＇3＇回到基本情况的表格。对于发球者，如果选择瞄准对方正手的策略，就要观察对方选择两种不同的回应方式之一会使结果发生什么变化；我们得到90…30=60
。假设他瞄准对方反手发球，再做同样的计算，可得60…20=40 。将上述数字倒过来排列，就能得到最佳混合策略中采用这两种策略的概率。①
因此，发球者应该按照40：60的比例瞄准对方的正手和反手。
现在我们改从接球者的角度考察同一场比赛。图7…4显示了他的不同选择会有什么不同的结果。假如发球者瞄准他的反手，那么，他回①
我们可以用一点代数知识验证这个结果。假如纵列选手的得失情况如下图所示，左列对右列的均衡比例为（D…B）：（
A…C）。纵列选手选择左列的概率是p，那么，无论横行选手选择上或者下都没有关系；pA＋（1…p）B＝pC十1…P）D 意味着p /（
1…p ）=（D…B ）/（A…C）
，如前所述。由于横行选手的得失是纵列选手的得失的负数，他的均衡混合策略就是上行对下行，即（D…C）：（A…B）。
球的时候向反手方移动就能得到60％的成功回球概率，而向正手方移动的成功回球概率只有20％。从O到100％改变向正手方移动的概率，就得到一条和上述两点相交的直线。与前面的分析类似，若是发球者瞄准对手的正手，我们就得到一条从30％上升到90％的直线。这两条直线交于一点，在这一点，接球者向正手方移动的概率为30％
，无论发球者选择瞄准哪一方，他的成功回球概率始终维持在48％。任何其他混合策略都会让发球者占便宜，使他得以选择更好的策略，将接球者的成功回球概率进一步降低到48％以下。
图7…4 接球手向正手移动的概率（％ ）
此外，我们也可以采用威廉斯的方法。表格显示了接球者两种不同选择可能导致什么不同结果。若向正手方移动，我们得到90…20=70 ；
向反手方移动，我们得到60…30=30。将这两个数字倒过来排列就得到最佳混合策略的比例：30％的时间准备向正手方移动，70％的时间准备向反手方移动。
你可能已经注意到，从两位选手的不同角度计算最佳混合策略，会得到一个有趣的共同点：两次计算会得到同样的成功回球概率，即48％。接球者若采用自己的最佳混合策略，就能将发球者的成功概率拉低到发球者采用自己的最佳混合策略所能达到的成功概率。这并非巧合，而是两个选手的利益严格对立的所有博弈的一个共同点。这个结果称为最小最大定理，由前普林斯顿数学家约翰·冯·诺伊曼（John
von Nrumann）与奥斯卡·摩根斯顿（Oscar
Morgenstern）创立。这一定理指出，在零和博弈里，参与者的利益严格相反（一人所得等于另一人所失），每个参与者尽量使对手的最大收益最小化，而他的对手则努力使自己的最小收益最大化。他们这样做的时候，会出现一个令人惊讶的结果，即最大收益的最小值（最小最大收益）等于最小收益的最大值（最大最小收益）。双方都没办法改善自己的地位，因此这些策略形成这个博弈的一个均衡。
我们以网球比赛为例，并假设每个选手只有两种策略，以此证明这一定理。假如发球者想努力使接球者的最大成功率最小化，他应该在假设接球者已经正确预计到他的混合策略且会做出最优回应的基础上确定自己的行动。也就是说，接球者的成功率将是图7…5中两条直线的最大值。这个最大值的最小值出现在两条直线的相交处，该点的成功率为48％。
图7…5发球手攻正手的概率（％ ）
现在我们从接球者的角度考察这个问题：他要努力使自己的最小收益最大化。如图7…6所示，假如接球者一半时间向正手方移动，一半时间向反手方移动，他的新的收益曲线就是原来两条直线的平均值，以点线显示。由于这条直线是向上延伸的，其最小值永远出现在左端，该点的成功率为40％。无论接球者向两方移动的比例是多少，这条直线一定经过成功率为48％的那一点，这是因为发球者可以选择采用40：60的混合策略。假如这条直线出现任何倾斜，那么，它的一端一定落在48％以下。只有在接球者的混合策略为30：70的时候，这条直线才会变成一条水平直线，最小值变成48％。因此，最大值的最小值等于最小值的最大值——48％。
图7…6发球手攻正手的概率（％）
最小——最大定理的普遍证明相当复杂，不过，其结论却很有用，应该记住。假如你想知道的只不过是一个选手之得或者另一个选手之失，你只要计算其中一个选手的最佳混合策略并得出结果就行了。
我们的其他工具，比如威廉斯的方法和上述图表，能够很好地解决一切只有两个选手参加且他们各有两个策略的零和博弈。不幸的是，这些工具并不�