逆向归纳法BI(Backward Induction)是求解动态博弈中子博弈精炼均衡的经典算法。传统的逆向归纳法推理中一般会使用策略模型,如此总会受到逆向归纳法认知刻画理论中所涉及的主观或客观上反事实性影响,而在Bonanno关于纳什均衡以及逆向归纳法的研究中所涉及的状态仅仅指定于模拟博弈过程中参与者的实际决策,而不涉及模拟博弈过程中未实现历史上博弈主体的假设选择,所以使用的是一种行为模型,而非策略模型,从而为一般具有完美信息的动态博弈提供了纳什均衡解和子博弈精炼均衡解的模型刻画,由此可以在一定程度上避免逆向归纳法中的反事实性。值得一提的是Bonanno所讨论的关于具有完美信息的动态博弈中的信念既不是现实中最终进行的博弈信念刻画也不是某个特定博弈主体脑海中进行的、主观预测的博弈信念,而是介于两者之间的一种对于现实的模拟博弈,也可以理解为商议阶段的博弈信念。因为所刻画的信念是在模拟博弈阶段已发生历史上的信念,不存在关于初始信念的考虑,所以也就不需要信念更新。所有理论的研究都是为了更好地解决现实问题,服务于现实生活,所以本文尝试通过对博南诺关于逆向归纳法的逻辑研究的初步探析,掌握其主要的研究思路以及方法,再结合实际案例对其熟练应用,本文的初衷主要是为现实生活中开展的博弈活动提供一定的理论指导。基于以上初衷,本文主要致力于以下研究:一是对博弈论中的基本概念做一个初步介绍,例如关于博弈的分类——理清什么是具有完美信息的动态博弈、纳什均衡概念以及对逆向归纳法进行概念解析,最后对文章中可能涉及的动态认知逻辑中的基本概念做出简单介绍。二是就Bonanno2018年在《Behavior and deliberation in perfect-information games:Nash equilibrium and backward induction》一文中关于逆向归纳法的主要研究做出介绍。在这篇文章中作者首先为扩展式博弈采取了传统博弈逻辑基于博弈历史的定义,对博弈主体精准的预测能力提出质疑,也就是说Bonanno关于逆向归纳法的理论研究中所谈及的博弈主体,只能在已实现历史上分析关于当他采取有效动作后可能发生什么的信念,而并不具备对未来博弈主体行动的精准预测能力,表明了策略模型的反事实性,从而为具有完美信息的扩展式博弈建立信念模型。其次用T(47)R(47)C(T表示具有正确信念的状态集、R表示理性、C表示准确性)刻画了纳什均衡结果集,最后通过添加事件ITRC对逆向归纳法结果集做出了进一步的刻画分析。三是结合中国古文献中记载的经典博弈,以此为案例对文中谈及的Bonanno关于逆向归纳法研究方法进行实际应用,具体地刻画出该案例中逆向归纳法的信念模型,对逆向归纳法进行信念刻画,进一步利用命题逻辑的推导规则以及相信算子最终推导出子博弈精炼均衡解。本文最后就Bonanno关于逆向归纳法理论研究的贡献做了一个初步探讨。对如何更好地将逆向归纳法的理论研究运用到生活中,更有效地指导现实生活中的一些博弈问题,提出了一些简要的思考和展望。