在多数传统博弈模型中，若将价格作为决策变量，在不考虑生产能力或服务能力限制的条件下，可以通过以下步骤求解纯策略纳什均衡：

第1步：求得每个局中人收益函数对于价格变量的一阶导数，并令其均为0；

第2步：将第1步所得的所有等式联立为方程组；

第3步：求解第2步所得的方程组，其解即为该博弈模型的纯策略纳什均衡。

但上述步骤在求解本章模型时不能直接奏效，其原因主要包括：①所求得的方程组的解不一定满足博弈模型的相关约束条件；②尽管Logit是一个用于描述客户选择的经典模型，但其也有一个缺点，即求解困难，不少情况下求取解析解几乎是不可能的。因此，要实现前述三个步骤，需采用合适的求取最优解替代方法。

一方面，正如假设（5）所述，对于一家班轮公司而言，知悉其竞争对手的实时销售进展几乎是不可能的；另一方面，一家班轮公司应知道如何应对其竞争对手的价格变动，而他也知道，他如果变动价格，他的竞争对手会做如何反应。因此，一系列连锁的变动实际上即可视为是一个价格迭代的过程。

基于已作证明的纳什均衡存在性，可以按照以下思路求取多家班轮公司的最优解：

第1步：令iter=1，设定最大迭代轮数M及收敛判定标准；

第2步：设定向量P 2（t）*，P 3（t）*，…，P N（t）*，t=1，…，D的初始值，如（1 1 1…1）1×D；(www.daowen.com)

第3步：将P 2（t）*，P 3（t）*，…，P N（t）*，t=1，…，D作为已知条件，利用遗传算法求解出班轮公司1的最优收益Π*1及相应的P 1（t）*；

第4步：将P 1（t）*，P 3（t）*，…，P N（t）*，t=1，…，D作为已知条件，利用遗传算法求解出班轮公司2的最优收益Π*2及相应的P 2（t）*；

……

第N+2步：将，P 2（t）*，…，P，t=1，…，D作为已知条件，利用遗传算法求解出班轮公司N的最优收益Π*N及相应的P

第N+3步：iter=iter+1；

第N+4步：返回第3步，除非iter＞M或满足判定标准；

第N+5步：输出每家班轮公司的最优收益及相应的定价方案，结束这个求解过程。

具体的遗传算法求解过程可参照本书第4.3节的相关内容，此处不再赘述。