论文部分内容阅读
合作行为如何能够在自私种群中产生是近年来的前沿热点问题之一，这是个交叉学科研究热点。复杂网络上的演化博弈问题研究是关于合作问题的一个研究热点，其中复杂网络结构为描述博弈关系提供了系统的框架。本文以复杂网络和演化博弈理论为基础，研究种群中合作策略演化的动力学过程，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: 1.把达尔文的“适者生存、优胜劣汰”法则引入到复杂网络上的演化博弈，通过淘汰机制来研究其在博弈种群的策略演化动力学中的作用。具体地，当博弈个体的收益低于淘汰阈值时，它将会被淘汰，与此同时，相同数目的新个体会被添加进来以维持种群数目的恒定。同时，我们引入了四种典型的复杂网络结构以作为对比研究网络结构对结果的影响。蒙特卡洛仿真方法研究表明，当淘汰阈值适中时候，博弈系统演化到稳态时的合作水平将得到极大的促进。另外，共演化机制改变了网络的初始结构，最终的网络的度的分布服从类似于broad-scale度分布。 2.在社会系统中，个体通常由于各种社会属性而属于不同的小群体中。不同于传统的复杂网络上演化博弈的定义，本文研究了结构化种群以及个体在结构化种群中的移动对策略演化动力学的影响。在复杂网络中，假设网络节点表示的是公共品博弈的博弈组，网络的边表示的是这些博弈组之间的连接关系。个体可以根据收益和期望而自由地在这些博弈组之间移动，并参与其所在的博弈组的公共品博弈。结果表明，当移动行为存在于此结构化种群中时，合作行为是能够产生和生存下来的。另外，通过蒙特卡洛仿真方法和平均场分析，我们得到如下结论:较大的博弈群组的规模会降低系统稳态时的合作水平，然而却能给整个博弈群体带来较高的收益。 3.在复杂网络的演化博弈研究中，研究了随机的策略在演化动力学中对于博弈结果的影响。引入了粒子群优化算法，结果表明它在种群的策略演化动力学中可以促进合作策略的传播。通过引入社会动力学中的粒子群优化算法，博弈个体在策略更新时可以调整学习邻居个体中最优者，或者自己博弈历史中表现最优的策略。根据粒子群优化算法，个体可以由此在策略更新中作出自己的最优选择。研究表明，即使在很不利于合作策略的博弈环境中，融入了粒子群优化算法的策略更新方法能有利地促进合作行为的生存和演化。 4.在复杂网络上的演化博弈研究中，我们定义了两种网络结构，即博弈网络和信息网络，分别表示个体的博弈环境和策略更新时信息的来源环境。研究了当个体的博弈网络和信息网络不同时合作的演化情况。结果表明，当个体的博弈网络和信息网络一致的时候，合作策略在自私种群中能够生存和占优。另外，相比于策略信息来源结构，个体的博弈网络结构的特性对于博弈群体的策略演化动力学结果的影响更大。 5.在策略演化中，个体的异质性常常被忽视，特别是个体在时间尺度上的异质性。在这个工作中研究了当群体中的个体存在不同的时间尺度时的策略演化过程。研究结果表明，不同的时间尺度个体共存时，对于策略的演化产生了决定性的影响。慢尺度个体的存在使得快尺度个体的策略演化不再遵循三分之一规则;同理，快尺度个体演化的结果也改变了满尺度个体的演化过程。我们给出了在不同的博弈模型下的结果，这是研究时间尺度对于策略演化的影响的一个探索。 6.在公共品博弈中，如果对背叛策略施以有效的惩罚措施，那么合作策略是一个稳定的演化结果。在社会系统中的有些公共品博弈中，为背叛者承担惩罚风险的投机机制削弱了惩罚措施在公共品博弈中的作用。受此启发，除了合作和背叛两种策略外，本文在公共品博弈中引入了投机策略。投机策略可以使得博弈个体付出比合作者小的代价，在一旦面临惩罚的时候，投机者可以获得一定的补偿。分析的结果表明，投机策略不利于合作策略的传播和演化，具有一定的抑制作用。但上述结论的产生条件是，投机者为保险作的付出低于背叛者若被惩罚的收益损失。投机策略的引入，抑制了惩罚机制的作用，而且系统的策略演化动力学行为与系统的参数相关。