1 锁定效应、路径依赖及大学改革的 例子 如果博弈参与人很多，达成协议的成本很高，最初的非帕累托均衡可以被锁定，导致路径依赖；每个人多偏好于新产品（或标准），如果其他人都选择新产品的话：但由于每个人都预期其他人不会选择新产品，结果是整个社会被锁定在现有的产品（标准）（非帕累托最优）；这常被用来作为市场失灵的理论证据；但是最新的研究似乎正在推翻这些广泛流行的结论。 推翻锁定效应和路径依赖的 例子 ：（键盘寓言、MAC与IBM、各种计算机语言、大学改革等等） 大学改革的 例子 ： 做上司心目中的能人 人与人合作时常会出现问题，无论你不喜欢上司的原因是没获升迁、加薪，还是不被信任，辞职不干是最下下之策，除非情况无可挽救。 本来不喜欢某人你可以与他疏远，但与上司之间若缺乏沟通，结果双方只会愈来愈不信任。不妨多用电话与上司联络，既可保持距离，减低火药味，又可拉近合作的关系。谨记“我应做些什么?有些什么要做?”如果你能够持续令工作顺利、情绪稳定，那么除了上司，还有更高层人士会晓得你的工作能力。 即使你与上司互相不欣赏，但处处表示你对他的支持，多少可以得到上司对你的尊重。多考虑以下的问题：上司最需要什么资料?怎样可以帮助他?你以往犯过什么错，将来可以避免吗?对你必有裨益。

非合作 博弈论 中， 纳什均衡 是指在博弈中所有人都采取最优策略的状态。而麻雀搜索算法则是一种启发式搜索算法，通过搜索最优解来求解问题。 在使用麻雀搜索算法求解 纳什均衡 时，需要先定义博弈的规则和策略空间。然后，利用搜索算法不断地尝试不同的策略组合，并评估其对应的收益情况，直到找到所有玩家都无法通过改变策略来获得更多收益的状态，即为 纳什均衡 。 具体来说，可以采用以下步骤来实现麻雀搜索算法求解 纳什均衡 ： 1. 定义博弈的规则和策略空间，包括所有玩家可选的行动和对应的收益情况。 2. 初始化搜索算法的起始状态，即所有玩家都采用随机的策略。 3. 通过枚举所有玩家可能的行动来生成下一个状态，并评估该状态对应的收益情况。 4. 判断当前状态是否为 纳什均衡 ，如果是，则输出结果并结束搜索算法；否则，继续进行下一轮搜索。 5. 在每一轮搜索中，根据当前的收益情况和预定义的启发式函数来选择最优的策略组合，并将其作为下一轮搜索的起点。 6. 重复步骤3到步骤5，直到找到 纳什均衡 或搜索算法达到事先设定的最大迭代次数。 需要注意的是，在实际应用中，麻雀搜索算法可能会受到搜索空间过大和局部最优解的影响，因此需要结合其他算法或优化策略来提高求解效率和准确性。