本文研究了在不对称信息下,带有消费者搜索的反复博弈的同质商品的寡头价格竞争市场中,个体学习和社会学习的差异。厂商的行为采用个体学习和社会学习分两类,观察在这样的市场中这两类学习的差异。我们对于厂商和消费者都引入了学习(Learning),厂商行为利用基因(GA genetic algorithm)学习算法建模,消费者以一个有成本的动态序贯搜索获得该商品的信息,消费者的搜索采用基于信念的学习(Belief-based Learning)的序贯搜索,消费者的搜索成本和方式是相同的。调整消费者的搜索成本以改变市场的竞争程度,调整厂商的数量和消费者需求特性,观察在这些不同设定下的个体学习和社会学习的不同。我们发现了相比古诺市场中个体学习和社会学习差异,Bertrand市场有更多的复杂性,首先在厂商数量较多的时候,个体学习的均衡市场价格远大于有搜索成本的竞争价格,社会学习的市场价格先逐渐升高达到或接近个体学习的均衡值然后以一个随机概率突然跌落到市场的竞争价格水平,然后一直保持稳定。在厂商数量很少的时候,个体学习的市场价格在搜索成本很小时没有均衡,大幅度波动,搜索成本提高后,波动幅度变小,但市场价格与搜索成本之间没有一次对应的关系。这说明了厂商的数量对于个体学习的市场均衡的决定性影响。而社会学习的市场在厂商数量很少的时候均衡存在,而且和厂商数量较多时的市场特性没有什么大的差异。调整消费者需求后发现调整后的结果是没有调整的简单变形,发现对于个体学习和社会学习总的市场价格变动状态没有大的影响,只是在价格空间上的压缩。下面是本文的主要结论：首先在价格竞争市场的均衡状态是多样的和复杂的,即便是社会学习也不一定就总是造成竞争性的市场价格,而结合具体的市场情况,会有多样性的市场价格均衡水平。而个体学习在厂商数量很少搜多成本很小时会产生复杂的市场价格状态,没有均衡。第二点是总体来说社会学习的市场价格的平均值的动态变动过程的特性很稳定不会因为搜索成本和厂商的数量的变动而有所变化,但是个体学习市场价格的平均值的动态变动过程的特性会受到厂商数量和搜索成本的影响而变化,厂商的数量对于个体学习的市场价格变动起了决定性作用。第三点是虽然社会学习的市场价格的平均值的动态变动过程的特性很稳定。但是在厂商数量较多的时候,个体学习的市场价格的平均值相对更为稳定,社会学习的市场价格平均值波动比较大甚至在运行的交易天数内一直在大幅度的波动。本文模型设立的创新是结合了学习理论,信息经济学和最优搜索理论。研究方法的创新是采用了计算机仿真的方式,对于动态的学习调整过程进行仿真研究,不仅可以得到最终的均衡结果,而且整个动态的调整过程的每一个细节都可以调出仔细观察。利用了GA学习算法和Classifier System等人工智能方法对于个体的行为进行建模,在仿真过程中真正实现了变异的随机冲击和搜索的随机性,没有任何一个交易日内的任何一次交易时被事前确定下来的,以保证结果的可信性。本文的选题来源于计算经济学中一篇经典的论文,Vriend讨论在古诺市场中个体学习和社会学习之间区别的文章,计算经济学是近年来逐渐兴起的一种新的经济学研究方法和研究领域,笔者具有计算机建模的能力所以选择该领域进行研究,还有就是在博弈学习中,个体学习层面和个体学习层面的研究是一个重要的学习理论的研究内容甚至于在心理学,教育学等很多社会科学领域都是一个重要的研究行为差异的方式,对于在古诺市场中个体学习和社会学习的差异研究已经有大量的文献,而结论却是多种多样的,这是为什么呢?这个疑问引导我对于这个问题进行深入的研究,所以在一开始我对古诺市场的个体学习和社会学习仿真研究投入了大量的精力,不停的调整各种参数得到了各种的结果,而这些结果到底哪个才是更具解释力的呢,加入了学习的市场模型为什么变得如此不确定呢。原因是在这些研究中,应用了人工智能和机器学习的仿真研究研究了多样化的市场参与者行为模式,这才是为什么这些文章得到不同结论的原因。而我继续思考这样的不同结论会不会出现在一个确定的市场设定当中呢,应该是可以的,随着相关参数的变化,会有不同的多样的结论出现。所以我选择了不对称信息的Bertrand市场,这个在更为现实的和出现最多样化市场均衡的模型。于是把Vriend的文章拓展到价格竞争市场,这是以前从没有的。在价格竞争市场中博弈的两类参与者都引入了学习,一个是利用GA学习算法实现,一个是基于信念的学习。对于搜索理论方面的贡献是真正实现了随机的动态的序贯搜索,更贴近于现实的情况,不需要了解整个市场的价格分布,只需要参考最近历史的交易价格就可以了,而且从结果来看,这样的动态搜索效率与了解价格分布序贯搜索的效率相当甚至更好。在这样参与者行为建模的条件下,发现不对称信息的价格竞争市场中个体学习和社会学习的差异更具多样性。社会学习相对个体学习,市场价格的平均值的动态变动过程的特性更为稳定。这与以前所有的论文的结论相比都是更为具有现实的解释力的。