2011-11-08 14页 pdf 903KB 111阅读
is_670683
暂无简介
P。时,平衡态时合 作水平反而不断降低.这说明P,为最优概率值,能 保证合作最强.大部分工作采取策略演化更新规则: ⋯一1 ,o、⋯≮一5, 1+exp[(M,~M。)/T]‘、“’ 式中:叫。+。表示节点z模仿邻居节点Y策略的概 率,腹、M。表示节点z、Y的累积收益,T表示节点 的理性程度.当T一0时,表示完全理性选择;当 T一。。时,表示完全随机选择.适当的T也可以加强 合作,即存在一个最优的能使博弈合作程度达到最 强‘4引. 7 Szab6等人也研究了方格小世界网络上的带有 loner的囚徒困境博弈问题(即带有志愿者参加 (volunteeringparticipation)的囚徒困境博弈),发现 重连概率大于一定的阈值时,相图会发生振荡[47|. 有趣的是,若分别用优先选择邻居和随机选择邻居 的演化规则,在方格小世界上会发现优先选择邻居 能促进合作[48_4⋯.Tomassini等仿真研究了方格小 世界网络上的鹰鸽博弈(hawk—dovegame,数学上 等价于前面所提到的雪堆博弈),发现平衡态的合作 与演化规则、收益比(gain-to—cost)r以及重连概率 P相关‘5⋯. Santos和Pacheco等采用同步更新的策略模仿 (strategyimitation)更新方法对无标度网络上的空 间纯策略博弈行为进行了较系统的研究[43’51-53|,发 现与规则网络、随机网络相比,无标度网络更有利于 合作行为的产生.因此网络拓扑的异质性(度分布为 幂率分布)是提升合作水平的一个重要因素.Ren等 采用“优先学习”方法,即优先选择邻居来进行模仿 演化,数值仿真显示平衡态时合作水平得到加 强[5“.类似于亲缘选择中的合作判据Hamilton规 则[55|,Ohtsuki等人发现在网络上合作行为产生的 一个充分性判据:b/c>k,其中b、c分别为合作行为 的收益和代价,k为网络的平均度[5引.这一合作行为 简单判定规则适用于二维格子、随机网络和无标度 社会网络.考虑在网络上的人侵和固定动力学(dy— namicsofinvasionandfixation),即一个变异A入 侵种群B的固定概率,Antal等人发现在度不相关 无标度网络上的一个变异的固定概率跟它发生的节 点的度相关,且发现对投票模型(votermodel),固 定概率正比于度,对生灭(birth—death)过程,固定概 率反比于度[57I.除了网络的异质性对合作行为有影 响外,网络的平均度也是影响合作涌现的重要因素 之一.文献E58]研究了随机图、小世界、无标度3种 网络中平均度对合作水平的影响,发现对于每种网 络均存在适当的平均度使得合作水平最优. 另一方面,博弈动力学与网络拓扑共演化的问 题也得到一些关注和研究.网络拓扑影响博弈结果, 而博弈结果反过来作用于网络拓扑,调整网络拓扑 万方数据 智能系统学报 第2卷 (或社会关系),这种情形更符合实际.Zimmermann 等人认为个体可以依据博弈结果调整与邻居的边来 实现合作者与合作者之间的联合,从而有利于合作 行为的涌现和维持口9_6⋯.Santos等人考虑了网络拓 扑调整与博弈演化之间的时问尺度的关系,并假设 不满意博弈结果的节点以一定概率断开与邻居中作 弊者的边,并随机重连到作弊者的邻居,发现存在时 间尺度之比的临界值,一旦超过这个临界值,合作将 会占上风[6“.Pacheco等人考虑了简化的情形,提出 了活跃连接(activelinking)的假设,在一定条件下, 自然选择将偏向于合作凹2I.目前文献中关于这方面 的结果比较少,但这个问题又为大家所关注,因此这 个问题将是今后研究的一个重点. 5 演化囚徒困境博弈中的合作涌现 真实社会的网络拓扑除了具有小世界、无标度 等性质外,还具有社团结构(communitystructure) 这一重要的性质.社团结构是指整个网络是由若干 个“群(group)”或“团(cluster)”构成的.每个群内部 的节点之间的连接相对比较紧密,但是各个群之间 的连接却比较稀疏.因此,研究社团结构对合作水平 的影响是很有意义的.笔者研究了具有社团结构的 无标度网络上的囚徒困境博弈问题[63|.不失囚徒困 境博弈的一般特性,博弈矩阵M取为嘞1 M一(::). 。㈣, 式中:lP,,则以概率 眠,~,一≮≥. Ⅲ,】 )hb 采用节点y所用的策略S,,其中b为节点z和y的 度中的较大值.初始时刻,合作者与作弊者等比例随 机分布在网络顶点上.系统演化10000时间步长 后,再取1000步时间步长上合作者比例的平均数, 得到平衡态时合作者的比例.每个数据点对应于40 次不同的网络实现和初始分布条件下合作者比例的 平均值.图1显示了相同网络规模,但不同平均度 m+咒及不同社团内外连接数之比m/n时的合作频 率对参数b的变化情况.可以发现,在具有社团结构 无标度网络上,随着平均度m+n的增加,合作水平 也相应地减小.同时,在保持平均度m+理不变,改 变内外连接数之比m/n时,合作水平随着m/n减小 而降低.另外,在没有外部连接时(对应于行一0),合 作水平总是最优的.此时对应于3个Barabasi—A1一 bert(BA)无标度网络,而无标度网络是利于合作的 涌现的[51I,因此此时合作水平最高.随着外部连接 数的增加、内部连接的较少,网络结构中的一些hub (网络中度较大的节点)并不直接相连,并且网络中 回路(100p)减少了,这些因素影响了合作水平[63|. 1.0 0.9 0.8 0.7 0.6 O.5 0.4 髓 骚 薷1.o 0.8 0.6 0.4 0.2 0 b (a) 囚徒困境博弈 1.2 1.6 2.0 b (c) 1.0 0.8 0.6 0.4 0.2 0 1.2 1.6 2.0 b (d) 图1对应于不l司m+n与m/”时合作频率 对参数的变化情况 Fig.1FrequencyofcooperatorsVS.6correspondingtO differentm+”andm/n 文献[51—53]指出复杂网络的异质性是影响合 作水平的重要因素.但复杂网络的异质程度大小会 对合作水平产生什么影响呢?考虑了异质New— man—Watts小世界网络上的演化囚徒困境博弈问 题[6“.与Watts—Strogatz小世界模型中断边重连机 制不同[5],本文采用改进的Newman—Watts小世界 模型,即在低维规则环上添加m条长程边形成小世 界网络.首先随机地从N个节点中选出N。个节点 一≮、、『婿\一一≮¨N一 -/.、. 习 、¨\部一 『 ~弋. 嘉 百 卅、 乙_: 1 ■气 == 一 ■一 历M 一,。 州 焉 t 万方数据 第2期 王龙,等:复杂网络上的演化博弈 图2对应于不同参数b时合作水平随看 网络异质程度N。/N的变化情况 Fig.2FrequencyofcooperatorsVS.N^/N correspondingtOdifferent6 作为hub.然后使添加的长程边至少保证每条边一 个端点随机地与选出的M个hub中的一个相连, 另一个端点则随机地与N个节点中的一个相连(避 免自连和重边).可以看出,参数N。/N可反映拓扑 异质性的大小.N。/N一1时,网络退化到一般均质 小世界的情形,而N。/N一1/N对应网络最异质的 情形,即所有的长程边都与唯一的hub相连.博弈 矩阵采用式(10),更新规则采用式(11).网络节点规 模N一2001,长程边数m一1000.所有的数据点对 于i00次运行取平均,即10次网络拓扑实现对应于 10次不同的初始条件分布.初始时刻,合作者和作 弊者等比例随机分布在网络上,在经过10000步演 化后,再取2000步结果作平均,作为平衡时合作者 的比例.图2给出了对应于不同参数b合作水平随 着网络异质程度N。/N的变化情况.可以发现,对 于固定的b,总存在适当的网络异质程度N。/N,使 得合作水平最高.也就是说,合作水平在N。/N取 某个值时达到最大值,此时网络的异质程度既不是 最大的也不是最小的.图3显示了合作水平在参数 空间(6,N。/N)中变化情况.合作水平的大小由右 边的色带标记.同样地,可以发现,对于固定的b,合 作水平在N。/N≈0.01时达到最优.另外,在更新 规则使用节点的平均收益,而不是累积收益时,会削 弱网络异质性对合作水平的影响[65|. 6 结论与展望 复杂网络上的演化博弈研究是近年来随着复杂 网络研究兴起而逐渐引起关注的一个重要研究课 题.目前大部分工作都集中在囚徒困境博弈或雪堆 博弈研究上,其他类型的博弈还缺乏系统的研究.因 此有必要进一步考虑多人博弈的情形,如公用品博 弈(publicgoodsgame)或者多策略的博弈,如石 图3合作水平在参数空间(6,Nh/N)中的变化情况 Fig.3Frequencyofcooperatorsasafunction ofparameterspace 头一剪刀一布(rock—scissors—paper)博弈.近来一些 文献开始关注这些问题,也得到了一些有趣的结 果‘66 68|. 目前很多工作只是一些数值仿真结果,由于数 学工具的不足,对复杂网络上的博弈动力学进行解 析分析是非常困难的,目前的一些近似方法,如平均 场方法、对估计方法在异质程度很大的网络很有可 能失效.因此寻求有效的数学工具,探求更好的理论 结果,将一些数值结果命题化、严格化,将是十分有 意义的. 在演化网络上的博弈动力学还没有得到充分的 研究.研究网络拓扑和博弈动力学共演化将是一个 非常有前景的方向.另外,还可以对个体的学习、记 忆等能力上进行更为合理的描述,使得模型能更好 地反应现实,解决一些社会、经济中的公开问题.对 合作机制的研究,目前还没有统一的认识,依然是演 化博弈研究中的一个重要方向.当前演化博弈主要 集中在合作行为的研究上[6⋯,除了考虑可能的内在 合作机制外,还可以考虑复杂网络上的其他动力学 行为,应用演化博弈的思想,解决一些实际问题,如 在“路由问题”、“传染病传播问题”、“生物进化”、“最 优控制”[70|、“市场经济行为规律”等问题上做 进一步的探索将是十分有意义的. 近年来有关复杂系统和复杂性科学的研究蓬勃 发展[7卜76|,这对人们原先的还原论的认识带来革命 性的新思潮.物理学家Hawking说:21世纪将是复 杂性科学的世纪.复杂网络上的演化博弈研究,对当 前国际上关注研究的多智能体(multi—agent)协作、 群体行为(collectivebehavior)控制等热点问题,也 将带来新的视角和方法[77—84|.总之,复杂网络上的 演化博弈可作为研究复杂系统、复杂性科学一个可行 的切入点,并将会在生态演化、神经网络、群体智能、 万方数据 ·8· 智能系统学报 第2卷 认知科学、自组织涌现行为、网络化系统(networked systems)、经济动力学等研究中彰显它的作用. 参考文献: F1]ROSSD.Gametheory[EB/OL].StanfordEncyclopedia ofPhilosophy:http://plato.stanford.edu/entries/game- theory/。2006——03——10. EelVONNEUMANNJ,MORGENSTERNO.Thetheory ofgamesandeconomicbehavior:2ndedEM].Princeton: PrincetonUniversityPress,1947. [3]NASHJ.Equilibriumpointsinn-persongames[J].Proc NatlAcadSci(USA),1950,36:48—49. [4]SMITHJ M,PRICEGR.Thelogicofanimalconflict [J].Nature,1973,246(5427):15—18. [5]wATTSDJ,STROGATZSH.Collectivedynamicsof sman~world’networks[J].Nature,1998,393(6684): 440—442. [6]BARABAsIAL,ALBERTREmergenceofscalinginran— doranetworks[J].Science,1999,286(5439):509--512. E7]PASTOR-SATORRASR,VESPIGNANIA.Epidemic spreadinginscale-freenetworks[J].PhysRevLett, 2000,86(14):3200—3203. [8]RAVASZE,BARABASIAL.Hierarchicalorganization incomplexnetworks[EB/OL].arXiv:cond—mat/ 0206130. [9]RAVAszE,SOMERAAL,MONGRUDA,OLTVAI ZN,BARABASIAL.Hierarchicalorganizationof modularityinmetabolicnetworks[J].Science,2002,297 (5596):1551—1555. [10]SONGC,HAVLINS,MAKSEHASelf-similarityof complexnetworks[]3.Nature,2005,433(7024):392--395. r11]ALBERTR,BARABASIAL.Statisticalmechanicsof complexnetworks[J].RevModPhys,2002,74(1):47 —97. 1-12]STROGATZSH.Exploringcomplexnetworks[J]. Nature,2001,410(6825):268—276. F13]WANGXF,CHENGR.Complexnetworks:small— world,scale-freeandbeyond[J].IEEECirSysMag, 2003,3(1):6—20. [14]NEWMANMEJ.Thestructureandfunctionofcorn- plexnetworks[J].SIAMReview,2003,45(2):167— 256. [153BOCCALETTIS,LATORAV,MORENOY,eta1. Complexnetworks:structureanddynamics[J].Phys— icsReports,2006,424:175~308. [16]SMITHJ M.Evolutionandthetheoryofgames[M]. Cambridge:CambridgeUniversityPress,1982. [17]TAYLORPD,JONKERL.Gamedynamicsandevolu— tionarystablestrategies[J].MathematicalBiosciences, 1978,40:145—156. [183HOFBAUERJ,SIGMUNDK.Evolutionarygamesand populationdynamics[M].Cambridge:CambridgeUni— versityPress,1998. [19]HOFBAUERJ,SIGMUNDK.Evolutionarygamedy— namics[J].BullAmMathSoc,2003,10(4):479— 519. [20]N0wAKMA,SASAKIA,TAYLORC,FUDEN— BERGD.Emergenceofcooperationandevolutionary stabilityinfinitepopulations[刀.Nature,2004,428 (6983):646—650. [21]TAYLORC,FUDENBERGD,SASAKIAKIRA, eta1.Evolutionarygamedynamicsinfinitepopulations [J].BullMathBio,2004,66:1621—1644. [22]ANTALT,SCHEURINGI.Fixationofstrategiesfor anevolutionarygameinfinitepopulations[J].Bull MathBio,2006,68(8):1522—1906. [23]KARLINS,TAYLORHM.Afirstcourseinstochas— ticprocess:2ndedEM].London:AcademicPress, 1975. [24]TAYI,ORC,IWASAY,NOWAKMA.Asymmetry offixationtimesinevolutionarydynamicsI-J].Journal ofTheoBio,2006,243:245—251. E25]TRAULSENA,cLAUssENJC,HAUERTC.Coev— olutionarydynamics:fromfinitetoinfinitepopulations [J].PhysRevLett,2005,95(23):238701. [26]TRAULSENA,PACHECOJ M,IMHOFLA.Sto— chasticityandevolutionarystability[J].PhysRevE, 2006,74:021905. [27]CLAUSSENJC,TRAULSENA.Non-Gaussianflue— tuationsarisingfromfinitepopulations:exactresults fortheevolutionaryMoranprocess[J].PhysRevE, 2005,71:025101. [283TRAULSENA,CLAUSSENJC,HAuERTC.Coev— olutionarydynamicsinlarge,butfinitepopulations[J]. PhysRevE,2006,74:011901. [29]TRAUSLENA,NOWAKMA,PACHECOJ M.Sto— chasticdynamicsofinvasionandfixation[J].PhysRev E,2006,74:021905. r30]FORSTERR,ADAMIC,WILKECO.Selectionfor mutationalrobustnessinfinitepopulations[J].Journal ofTheoBio,2006,243:181—190. E31]SZABOG,FATHG.Evolutionarygamesongraphs [EB/OL].arXiv:cond-mat/0607344. [32]DOEBELIM,HAUERTC.Modelsofcooperation basedonthePrisonersDilemmaandtheSnowdrift game[J].EcologyLetters,2005(8):748—766. [33]NOWAKMA,SIGMUNDK.Evolutionarydynamics ofbiologicalgames[J3.Science,2004,303:793—799. [34]PENNIsIE.Howdidcooperativebehaviorevolve? 万方数据 第2期 王龙,等:复杂网络上的演化博弈 · 9 · [J].Science,2005(309):93. [35]COLMANAM.Thepuzzleofcooperation[J].Nature, 2006,440:744—745. [36]NOWAKMA,MAYRM.Evolutionarygamesand spatialchaos[J].Nature,1992,359:826—829. [37]NOWAKMA,MAYRM.Thespatialdilemmasofe— volution[J].InternationalJournalofBifurcationand Chaos,1993,3(1>:35—78, [381HAUERTc,DOEBELIM.Spatialstructureoftenin— hibitstheevolutionofcooperationinthesnowdrift game[J].Nature,2004,428:643—646. [39]SZABOG,TOKEC.Evolutionaryprisoner7sdilemma onasquarelattice[J].PhysRevE,1998,58:69~73. [40]VUKOVJ,SZABOG,SZOLNOKIA.Cooperationin thenoisycase:Prisoner’sdilemmagameontwotypes ofregularrandomgraphs[J].PhysRevE,2006,73: 067103. r41]SZABOG,HAUERTC.Phasetransitionsandvolun— teeringinspatialPublicGoodsGames[J].PhysRev Lett,2002,89:118101. r42]SANTOSFC,RODRIGUESJF,PACHECOJ M. Epidemicspreadingandcooperationdynamicsonhomo— geneoussmall—worldnetworks[J].PhysRevE,2005, 72:056128. [43]SANTOSFC,PACHECO.Anewroutetotheevolu— tionofcooperation[J].JournalofEvolBio,2006,19 (3):726—733. [44]PACHECOJ M,SANTOSFC.Networkdependence ofthedilemmasofcooperation[A].Scienceofcomplex networks:frombiologytotheinternetandWWW. AlPConferenceProceedings[c].AIP,2005. [45]ABRAMSONG,KUPERMANM.Socialgamesina socialnetwork[J].PhysRevE,2001,63:030901. [46]RENJ,WANGWX,QIF.Randomnessenhancesco— operation:c