# 沙普利值

> 在一个多人合作的博弈中，如何公平地分配总收益？沙普利值提供了一个数学上的唯一公平解：一个参与者的所得，应该等于他在所有可能的“合作联盟”中，为联盟带来的“边际贡献”的平均值

- ID: m02060
- 分类: decide
- 领域: 博弈论

## 定义

在一个多人合作的博弈中，如何公平地分配总收益？沙普利值提供了一个数学上的唯一公平解：一个参与者的所得，应该等于他在所有可能的“合作联盟”中，为联盟带来的“边际贡献”的平均值。 - 脚手架作用： 贡献归因的终极算法。 - 这也是现代AI解释性（Explainable AI）的核心算法（SHAP）。在团队分奖金时，不要只看职位高低或工作时长，而要问：“如果去掉这个人，团队的产出平均会下降多少？” 只有基于边际贡献的分配，才是数学上最稳定的分

## 机制

对n人合作博弈，某玩家的值=他在所有加入顺序（联盟序列）中带来的边际贡献的加权平均。满足效率、对称、虚拟玩家、可加性四条公理，是其唯一解。本质是"按平均边际贡献公平分蛋糕"。

## 练习

分配合作收益/绩效时，计算每人"去掉他后团队产出平均下降多少"，据此分；用于SHAP解释机器学习：特征贡献=该特征在各类特征子集中的边际贡献均值。

## 脚手架用法

贡献归因的终极算法。 - 这也是现代AI解释性（Explainable AI）的核心算法（SHAP）。在团队分奖金时，不要只看职位高低或工作时长，而要问：“如果去掉这个人，团队的产出平均会下降多少？” 只有基于边际贡献的分配，才是数学上最稳定的分

[阅读网页](https://thinkingmodels.site/entries/detail/m02060)