种群的接触关系可以用网络描述——每个节点代表一个个体,节点间的边代表个体之间的相互作用关系,在每一轮中它们根据某个博弈模型进行交互作用,并采取统一的演化规则进行策略的更新。

网络结构与演化博弈之间有密切的联系,这方面的研究也称为网络演化博弈。博弈模型、网络结构和演化规则是网络演化博弈的3个要素。

一、规则网络上的囚徒困境博弈

PYTHON演化博弈代码ess 演化博弈仿真图_网络

假设个体采用简单的最优规则进行策略演化:每个个体与直接连接的邻居进行一轮博弈后,在下一轮中它会采取邻居(包含自身)中收益最高的个体在本轮的策略,这是一个确定性的演化规则。

也可以考虑一种随机策略演化规则——费米规则:假设在每一轮博弈中,个体x会随机选择一个邻居y,并比较二者的本轮收益;下一轮中x采取y本轮策略的概率根据统计物理中的费米函数计算:

PYTHON演化博弈代码ess 演化博弈仿真图_PYTHON演化博弈代码ess_02

当本轮个体x的收益比y低时,x很容易接受y的本轮策略;而如果x的收益高于y,x仍会以微弱的概率采取y的策略。

初始时刻为网络中的每个个体随机分配合作或者背叛策略,经过一段长时间的演化,合作者的数目会逐渐趋于稳定。稳态时,合作者的比例(合作频率

PYTHON演化博弈代码ess 演化博弈仿真图_网络_03

)是衡量系统合作涌现程度的重要指标。随着“背叛者诱惑”b的增加,网络中的个体会由全部合作状态转变为合作与背叛共存的状态,再转变为全部背叛的状态。这个变化过程中,存在两个阈值:(1)背叛者出现的阈值

PYTHON演化博弈代码ess 演化博弈仿真图_网络_04

;(2)合作者湮灭的阈值

PYTHON演化博弈代码ess 演化博弈仿真图_PYTHON演化博弈代码ess_05


PYTHON演化博弈代码ess 演化博弈仿真图_网络_06

 二、规则网络上的雪堆博弈

PYTHON演化博弈代码ess 演化博弈仿真图_网络_07

采用复制动力学规则:每轮个体都会更新策略;一个个体x随机选择一个邻居y,x学习y本轮策略的概率正比于二者的收益差,即:

PYTHON演化博弈代码ess 演化博弈仿真图_PYTHON演化博弈代码ess_08