共同進(jìn)化博弈-預(yù)覽頁(yè)
【正文】 從簡(jiǎn)單的方格（元胞自動(dòng)機(jī)）到復(fù)雜網(wǎng)絡(luò)博弈，是近期的研究熱點(diǎn)。博弈類型、記憶、環(huán)境等多方面的因素也被考慮到空間博弈當(dāng)中沒(méi)，例如小世界等多種形式。這種演化是基于記憶效應(yīng)的。在一組二人博弈中，B博弈者先給 A發(fā)送一個(gè)可達(dá)到帕累托效率解的信息，然后 A做出選擇（即是否相信），隨后 B做出是否遵守諾言的選擇。如果 A相信了，他會(huì)選擇右，否則他會(huì)選擇左。 博弈的結(jié)構(gòu) 承諾或者威脅能在多人博弈中起到作用的支付矩陣滿足的條件： 1個(gè)子博弈完美納什均衡 2個(gè)威脅 1個(gè)子博弈完美納什均衡 4個(gè)承諾 交流目標(biāo)： B希望 A選擇相反策略 b3 b1 b4 b1 交流需要： B承諾的行動(dòng)并不能使得它得到較高的支付 b1 b2 b3 b4 交流影響 : A最好選擇與 B承諾的相反選擇如果他相信 B a1 a3 a2 a4 a1 a3 演化規(guī)則和過(guò)程 為了研究這個(gè)博弈，我們的想法是考慮一個(gè)空間博弈，這個(gè)博弈建立在方格上，右圖是這個(gè)一部分博弈空間的示意： A B A B B A B A A B A B B A B A 演化規(guī)則和過(guò)程 在每一輪博弈，博弈者以 1/4的概率挑選一個(gè)鄰居（諾依曼鄰居）博弈一次。 演化規(guī)則和過(guò)程 A的一個(gè)可能的有限狀態(tài)機(jī)如右圖。 狀態(tài) 策略 0 000 1 0 001 1 0 010 0 0 011 1 0 100 0 0 101 0 0 110 1 0 111 0 1 000 1 1 001 1 1 010 0 1 011 1 1 100 0 1 101 0 1 110 0 1 111 1 演化規(guī)則和過(guò)程 注意到這樣一個(gè)博弈中，相信與守信恰好能夠與左或者右進(jìn)行一一映射，于是這種博弈結(jié)構(gòu)能夠推廣到更加一般的情形。 結(jié)果分析與討論 程序?qū)?100*100大?。?10000個(gè)個(gè)體 ,5000個(gè) A型， 5000個(gè) B型）的系統(tǒng)，進(jìn)行了 500步博弈模擬。 右圖是在如前所述的博弈矩陣下進(jìn)行的結(jié)果，記憶深度為 m=2， 4， 6，8的情形。這個(gè)結(jié)果并沒(méi)有出現(xiàn)動(dòng)態(tài)平衡，這與我們最初的想法有出入，可以說(shuō)結(jié)果不是很理想，但是這與用遺傳算法求解演化穩(wěn)定策略具有一定的相似之處。 這個(gè)支付矩陣是{1,2,2,1,1,2,2,1}， 它所得到的結(jié)果將不再是簡(jiǎn)單地減少至零的 ，這可能是由于它有多個(gè)演化穩(wěn)定策略。仍以前述的支付矩陣為例，記憶深度 m=3。從這些圖中看出，背叛著以一種聚類或者簇（ cluster）的方式演化，這一點(diǎn)在靜態(tài)共同演化博弈中也曾出現(xiàn)過(guò)。 ? 記憶深度一定程度上決定了收斂的速度，總體呈現(xiàn)“深度越大，越難收斂”的特點(diǎn)。可能用到的手段是窮舉支付矩陣。這點(diǎn)還需更加深入的研究 ? 考慮更多別的因素，正如在“問(wèn)題的引出”中所提到的那樣。ujo and Lu18
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1