论文部分内容阅读
近年来，理解自私个体组成的种群中合作行为的涌现和维持是涉及多个学科的一个公开难题，吸引了来自不同领域研究者的广泛关注。个体的合作行为给种群中其它成员带来好处，却会损害自己的利益。依据达尔文进化论原理，自然选择是基于竞争的，因此个体为了最大化自身的利益会选择背叛策略，这显然不能解释现实世界中随处可见的合作现象。一方面，作为一个有力的工具，演化博弈论为研究这一难题提供了方便系统的框架；另一方面，复杂网络能够刻画真实种群的结构特征，为描述种群中个体之间的连接关系提供了方便。本文主要通过复杂网络上的演化博弈模型来研究结构种群中合作行为演化动力学，并提出一些促进合作行为演化的机制。本文的工作主要包括以下几个方面的内容：
首先，为了说明初始策略配置方案是否影响异质网络上的合作演化，分别研究了无标度网络上三种不同的初始策略配置方案对应的合作演化情况。在这三种初始策略配置方案中，背叛者分别随机地分布在网络上、集中地占据度大的节点以及集中地占据度小的节点。研究结果表明初始策略配置方案不仅会影响网络上合作演化的结果，而且会影响合作演化的速度。相比较其他两种策略配置方案，背叛者初始占据度小节点的策略配置方案能够加快合作演化的速度，并且使合作演化表现出很强的鲁棒性。另外，针对这三种初始策略配置方案，分别给出了使合作者最终消失的初始背叛者比例的临界值。研究结果进一步表明网络上合作行为的涌现不仅依赖于网络拓扑类型，也依赖于一些其他的重要因素。
其次，研究了空间囚徒困境博弈中随机交互作用方式对合作演化的影响。在这种交互方式中，相互连接的个体以一定的概率来进行博弈交互。通过数值仿真和拓展的对估计方法，发现中等的随机交互作用强度最有利于合作演化。为了更好地了解随机交互的作用，还研究了合作者和背叛者的分布斑图以及合作者和背叛者的平均收益。研究结果表明随机交互作用方式是促进合作的一种有效机制。进一步地，提出了基于个体声望和容忍强度的选择交互作用方式。在这种交互作用方式中，个体只倾向于和邻居中声望水平在自己的容忍强度以内的个体进行博弈交互。通过数值仿真分别研究了这种交互方式对应的无标度网络上和混合均匀种群中合作演化的情况，发现中等的容忍强度最有利于合作行为的涌现。另外，在无标度网络上，还分别研究了个体声望的记忆效应、参与博弈的代价和报酬以及个体策略和声望的同时传播对合作演化的影响。研究结果表明基于个体表现型特征的选择交互作用方式是促进合作涌现的更合理有效机制。
本文还研究了复杂网络上反馈学习的策略更新规则对合作演化的影响。在这种更新规则中，个体进行策略更新主要是依赖于自己实际的收益和期望收益。研究结果表明在小世界网络上个体收益期望对合作水平能产生一种“随机共振”的现象，即中等的收益期望能使得合作水平达到最大。另外，当收益期望取值比较大时，系统中会出现“乒乓效应”的现象。在这种反馈学习的策略更新规则基础上，进一步引入了个体的局部贡献机制。通过数值仿真和平均场方法，发现这种局部贡献机制的引入能有效地促进复杂网络上的合作涌现，并且在该框架下合作演化的结果不依赖于网络拓扑类型。研究结果表明反馈学习的策略更新规则有利于增强复杂网络上合作演化的稳定性和鲁棒性。
最后，考虑到合作者由于能力或者体力的限制只能分担有限的代价值，提出了具有代价承受极限的多人雪堆博弈模型。通过数值仿真和对估计方法，发现在空间方格上存在合作水平的非连续相变和阶梯结构的现象，并且中等的代价承受极限值最有利于合作行为的涌现。另外，研究了个体策略更新规则中的噪声强度对合作演化的影响以及在一种改进的收益计算方式中合作演化的情况。研究结果表明适当地引入一些合理因素到空间雪堆博弈中，空间结构并不是总会抑制合作演化。