武则天如何用博弈论＂躺赢＂?一个Python仿真还原了这场1300年前的权力游戏

从感业寺回宫时，武则天的权力几乎为零。但不到五年，她先后干掉了高宗最宠爱的萧淑妃和正位中宫的王皇后。这不是运气，而是一场精妙的博弈。

一、651年：那个"零权力"的女人回来了

公元651年，唐高宗李治从感业寺迎回了一个女人——武则天。

此时的后宫权力格局是这样的：

- 👸 王皇后：正位中宫，背后是关陇贵族集团，初始权力 ≈ 10

- 💃 萧淑妃：高宗宠妃，育有子嗣，皇帝盛宠，初始权力 ≈ 8

- 🕊️ 武则天：刚从尼姑庵回来，无根基、无盟友、无势力，初始权力 ≈ 0

这不是一个平等的竞技场。武则天面对的，是两个手握重权、各怀心机的对手。按常理，她应该是最先被淘汰的那个。然而历史告诉我们：五年后，武则天成了皇后。另外两个女人——一个被废黜处死，一个被囚禁杀害。我想从博弈论角度来看她是怎么做到的。我用博弈论建了一个模型，写了段Python程序，让计算机"重演"了1000多次这场后宫权力游戏。我发现武则天胜率高达97.6%，几乎必胜了。

二、三方博弈：每个人都在算计

2.1 策略空间

在模型中，每个玩家在每一回合面临一个选择：

合作（温和/结盟）：维持现状，不主动攻击

对抗（攻击/阴谋）：采取激进手段打击对手

三个玩家、两种策略，就有 2³ = 8 种可能的局面。每个局面下，三方各有不同的"收益"：

武则天收益最高的局面是 (对抗, 对抗, 合作)——王萧互斗，她置身事外。每回合净赚+11！而最危险的局面是 (合作, 合作, 对抗)——她单独进攻，成为众矢之的，每回合-8。

2.2 囚徒困境：王皇后和萧淑妃的悲剧

仔细看支付矩阵，你会发现一个经典的“囚徒困境”：

- 对王皇后而言：不管萧选什么，自己选「对抗」都比选「合作」获利更高

- 对萧淑妃而言：不管王选什么，自己选「对抗」也比选「合作」获利更高

但两个人都选「对抗」的结果呢？两败俱伤（-3, -3），远不如两人合作的（+4, +4）。

这就是王萧联盟永远无法建立的根本原因——“个人理性导致了集体非理性”。而这个困境，正是武则天精心利用的。

2.3 纳什均衡分析

我计算了三方博弈的纯策略纳什均衡——发现只有一个：

 (合作, 对抗, 对抗) → 王=-6, 萧=+5, 武=+7

这意味着在均衡状态下：王皇后选择温和（因为无力同时对付两个对手），萧淑妃和武则天都选择进攻性策略。

这已经暗示了结局——王皇后处于被两面夹击的困境。

当萧淑妃出局后，二人博弈的唯一纳什均衡是：

 (对抗, 对抗) → 王=-8, 武=+6

在这个均衡下，王皇后每回合亏损8，武则天每回合赚6。长期博弈下，王皇后必然先被淘汰——均衡本身就预示了武则天最终获胜。

三、用Python模拟权力游戏

3.1 模型设计

我设计了一个Q-learning强化学习模型来模拟三方博弈：

class Player:    def __init__(self, name, initial_power, learning_rate,                  initial_fight_prob, temperament):        self.power = initial_power     # 权力值        self.lr = learning_rate        # 学习速率        self.Q_cooperate = 0.0        # "合作"策略的估值        self.Q_defect = 0.0           # "对抗"策略的估值    def choose_strategy(self, temperature=0.5):        # Softmax: 根据Q值以概率选择策略        exp_c = exp(Q_cooperate / temperature)        exp_d = exp(Q_defect / temperature)        return "对抗" if random() < exp_d/(exp_c+exp_d) else "合作"    def update(self, payoff):        # Q-learning: 根据实际收益更新策略估值        Q[strategy] += lr * (payoff - Q[strategy])

关键参数设计（增加现实约束）：

模型附加机制：

武则天有两个关键优势：

1. 学习速率是别人的两倍（0.06 vs 0.03）——她更快从经验中学习

2. 初始对抗概率极低（0.15）——她以"温和无害"的姿态入场，避免成为靶子

3.2 单次仿真：S型曲线的权力博弈

──────────────────────────────────────  博弈总回合：    53  阶段转换回合：  41（萧淑妃出局）  最终赢家：      武则天 👑──────────────────────────────────────  王皇后    💀 已出局  最终权力: -31.2  萧淑妃    💀 已出局  最终权力: -26.7  武则天    ✅ 存活    最终权力: +26.0──────────────────────────────────────  冲击事件：皇帝制衡触发 31 次            （祥瑞降临 1 次，成功遏制武的过快增长）

▲ 权力演化图（左上）：注意绿色曲线（武则天）。武则天的权力曲线呈现S型——缓慢起步 → 加速增长 → 趋于饱和。她在前40回合保持极低姿态，萧淑妃出局后才逐渐显露锋芒。

▲ 策略概率图（右上）：武则天（绿色线）在阶段一维持极低的对抗概率（约0.05），人畜无害。值得注意的是，即使进入阶段二，她的对抗概率上升也是**渐进的**——权力积累受到边际递减和皇帝制衡的双重约束。

▲ Q值演化图（左下）：展示了武则天的"学习过程"。由于边际收益递减，Q(对抗)超过Q(合作)的时刻比无约束模型更晚出现——她需要在更长时间里保持耐心，等待最优时机。

3.3 加入现实约束：从「火箭发射」到「S型曲线」

我一开始的代码有一个明显的问题：武则天的权力增长太快了（最终权力489，是初始值的N倍）。现实中，权力积累会受到多种制约。所以我在模型中加入了四种机制：

三种模型的对比结果：

               无约束基准      仅边际递减      全部现实约束─────────────────────────────────────────────────────────武最终权力       489.0          27.9            26.0总回合           100            186             53曲线形状       火箭发射型      增速受限型      S型·历史仿真型

关键发现：加入现实约束后，武则天依然获胜，但她的权力被控制在一个合理的范围内（~26，约为王皇后初始值的2.6倍）。 曲线从"指数爆炸"变为"渐近饱和"——这才是真实权力博弈应有的样子。

特别值得注意的是皇帝制衡的频繁触发（在53回合内触发了31次）。这完美对应了历史上的真实事件：即使武则天已深得高宗宠爱，她仍然遭遇过"上官仪事件"这样的废后危机——皇帝始终在警惕后宫势力的失衡。

3.4 蒙特卡洛：300次仿真的统计结果

在全部现实约束下，运行300次独立仿真：

🎲 蒙特卡洛仿真结果（N=300，全部现实约束）════════════════════════════════════════武则天胜率：     98.0%  (294/300) 👑王皇后胜率：      2.0%  (6/300)萧淑妃胜率：      0.0%  (0/300)────────────────────────────────────────萧淑妃首先出局： 80.7%王皇后首先出局： 19.3%武则天首先出局：  0.0%  ← 从未第一个出局！────────────────────────────────────────萧淑妃平均出局回合：86（中位数=51）武则天最终平均权力：24.3 ← 合理范围！武阶段一平均对抗率：0.033 ← 极低！

几个核心结论：

1. 武则天从来不是第一个出局者（0.0%）——"低调策略"完美地转移了注意力

2. 萧淑妃在80.7%的仿真中首先出局——与历史一致（王皇后拉拢武对付萧）

3. 阶段一武平均对抗率仅0.033——她在最危险的三方阶段几乎完全不动声色

4. 98%的胜率靠的不是蛮力，而是策略——即使在现实约束下仍然稳定

5. 最终权力被约束在合理范围——不会出现指数爆炸，更接近真实历史

3.4 参数敏感性：什么因素最关键？

我测试了三个关键参数对武则天胜率的影响：

① 学习能力（左图）：武则天的学习率从0.02提升到0.10，胜率稳步上升。在复杂的多人博弈中，学习速度本身就是一种权力。

② 入场姿态（中图）：初始对抗概率如果超过0.3（太高调），胜率反而下降。0.15左右的"极低调入场"是最优策略。过早暴露锋芒 = 自取灭亡。

③ 对手敌对程度（右图）：王皇后和萧淑妃之间的对抗越激烈，武则天的胜率越高。对手的矛盾，就是你的机会。

四、博弈论视角：武则天教我们的五条生存法则

法则一：弱势时，不要成为"公敌"

在模拟中，武则天选择"对抗"而王萧都"合作"时（合作,合作,对抗），她得到 -8 的惩罚——被两个强者联合镇压。这是她最危险的状态。

她的方法是把对抗概率控制在0.15以下，确保自己极少主动进攻。这让我想到《三体》里的黑暗森林法则——"不要暴露自己"。在多方博弈中，第一个跳出来的人，往往成为所有人的靶子。

法则二：利用对手之间的囚徒困境

王皇后和萧淑妃的博弈结构天然是囚徒困境：双方都有动机攻击对方，导致无法形成稳定联盟。

武则天不需要"分化"她们——她们本来就分化的。她只需要耐心等待，在合适的时候轻轻推一把。

在模型中，支付结构决定了（对抗, 对抗, 合作）虽然不是纳什均衡（因为任一方停止对抗都能获益），但它是一个吸引子——系统会反复回到这个状态，而武则天每次都从中获利。

法则三：学习速度比初始实力更重要

模拟结果清楚地表明：武则天的学习率（0.06）是王萧（0.03）的两倍，这是她最终胜出的最关键参数。

在强化学习框架下，学习率决定了多快能从经验中提取规律。武则天"更聪明"不是因为她的初始条件更好（恰恰相反，她初始权力为零），而是因为她从每一轮博弈中学到了更多。

法则四：序贯思维——不急于赢，先确保活下来

武则天的策略不是"同时干掉两个对手"——这在博弈论上几乎不可能。而是：

1. 第一阶段：联合王皇后，干掉萧淑妃（借刀杀人）

2. 第二阶段：单独对付王皇后（各个击破）

这对应了博弈论中的序贯淘汰策略。在多人博弈中，不要试图同时赢得所有战斗——逐层降低博弈的复杂度，直到自己成为最后剩下的玩家。

法则五：权力具有复利效应——但存在上限

注意武则天权力曲线的形状（绿色线）：S型——先慢后快再趋于饱和。

这与无权约束下的"指数爆炸"完全不同。现实中：

- 早期：每一点微小的权力积累都需要极大的耐心和智慧（边际效率高但绝对量小）

- 中期：权力进入"复利阶段"，积累加速（最危险的时期，容易触发皇帝制衡）

- 后期：权力接近"天花板"——皇帝、朝臣、制度都会成为制约（边际效率趋零）

武则天的天才在于：她懂得在哪个阶段应该收敛，哪个阶段可以发力。她从来不追求"绝对权力"的虚幻目标，而是精准地知道——赢，只需要比对手多一点就够了。

法则六：权力的"天花板"是保护你的护栏

仿真中最有趣的发现是：皇帝制衡机制虽然降低了武则天的最终权力（从489降到26），但没有降低她的胜率（依然是98%）。

这是因为制衡机制一视同仁——它也限制了王皇后和萧淑妃。在一个所有人都被天花板约束的博弈中，策略的优势（而非资源的优势）才是决定胜负的关键。

换句话说：如果权力没有上限，强者恒强；但正因为存在"天花板"，弱者才有可能通过策略逆袭。

后记：从博弈论的角度看，武则天是中国历史上最精妙的"策略家"之一。在一个由结构性矛盾主导的三人博弈中，她以零权力入场，以绝对权力退场，每一步都精准地踩在了博弈论的"最优解"上。

这不是运气，是策略。