Cheating is evolutionarily assimilated with cooperation in the continuous snowdrift game
众所周知，与囚徒困境相比，雪堆博弈可以导致合作者和欺骗者的稳定共存。最近关于雪堆游戏的理论证据表明，选择连续贡献的个体的逐渐进化可以通过所谓的进化分支导致社会多样化到100%贡献和0%贡献。然而，到目前为止，博弈论研究对进化动力学和策略多样性丧失的后果几乎没有什么启示。在这里，我们分析了二态种群中具有二次支付函数的连续雪堆游戏。随后，条件下，逐步进化可以导致人口组成的100%的贡献和那些与0%的贡献合并成一个物种的中间贡献水平。关键的发现是，连续雪堆游戏更有可能导致同化不同的合作水平，而不是保持多样性。重要的是，这意味着允许合作行为的逐渐演变可以促进合资企业中的社会不公平规避，否则可能会导致基于普遍接受的公平概念的冲突。
2015-05-18 nlin.AO physics.soc-ph q-bio.PE
Cooperative Behavior in a Model of Evolutionary Snowdrift Games with $N$-person Interactions
提出了一个具有$N$ -人交互的进化雪堆博弈模型，研究了多人交互对合作出现的影响。本文利用复制子动力学方法，导出了一个精确的$N$ -阶方程，该方程描述了一个完全混合的种群中合作者$x^*$的平衡密度。研究结果表明，合作程度随着成本收益比和群体中交互人数的增加而下降，其中$x^{*}\sim1/N$为大$N$。为该模型构造了一个数值模拟算法。模拟结果与复制子动力学的理论结果吻合较好。
2008-07-26 physics.bio-ph physics.soc-ph
Evolution of cooperation in a three-strategy game combining snowdrift and stag hunt games
本研究结合雪堆与猎鹿博弈构建三策略博弈，发现个体解决方案降低合作，但在空间结构中可扩大合作共存区域，揭示多种机制促进合作演化。
2024-11-08 physics.soc-ph q-bio.PE
Evolutionary dynamics of cooperation on interdependent networks with Prisoner's Dilemma and Snowdrift Game
我们生活的世界是一个巨大的网络网络，应该用相互依存的网络来描述。网络之间的相互依赖性显著影响了网络合作的演化动力学。同时，由于社会和生物系统的多样性和复杂性，不同网络上的参与者之间的互动方式可能不尽相同，这需要用进化博弈论中的多个模型来描述，如囚徒困境和雪堆博弈。因此，我们研究了两个相互依赖的网络，分别进行不同的游戏合作的演化动力学。我们清楚地证明，随着网络相互依赖程度的增加，在囚徒困境的网络中，合作的演化得到了极大的促进。玩雪堆游戏的网络的合作水平相应降低，虽然它几乎是无形的。特别地，存在一个最优的网络相互依赖的中间区域，最大化网络上的合作演化的增长率扮演囚徒困境。值得注意的是，与其他网络接触的参与者在合作演化上比同一网络上的参与者具有优势。
2014-07-07 cs.SI physics.soc-ph q-bio.PE
Cooperation in the snowdrift game on directed small-world networks under self-questioning and noisy conditions
研究了退火淬火有向耦合小世界网络中具有自我质疑更新机制的雪堆进化博弈中的合作问题。围绕支付参数值$r=0.5$，我们发现了一个大小不变的对称合作效应。虽然一般抑制合作的$r>0.5$回报，重新布线的网络促进合作行为的$r<0.5$。相当数量的噪声被发现打破所观察到的对称性，并进一步削弱合作在相对较大的值$r$。然而，在没有噪音的情况下，即使在大奖励条件下，自我质疑机制也能恢复对称行为并提高利他主义。我们的研究结果表明，这种类型的更新机制是必要的，以稳定在空间结构化的环境中的合作，否则不利于合作行为，特别是在高成本效益比。此外，我们采用组件和局部稳定性分析，以更好地了解所表现的动态的性质。
2010-06-21 cs.GT physics.comp-ph physics.soc-ph
Cognitive hierarchy theory and two-person games
许多社会和经济互动的结果，如股票市场交易，都是由代理人对其他个体行为的预测决定的。认知层次理论提供了一个框架来模拟预测准确性的后果，该框架已被证明适合某些类型的博弈论实验的数据，例如凯恩斯选美比赛和入门游戏。本文以对称两人两行动博弈为研究对象，根据认知层次方法建立了一个求解博弈者策略的算法。我们表明，雪堆游戏表现出的行为模式，其复杂性的增长，随着认知水平的球员的增加。除了找到第三个认知水平的解决方案，我们证明，在这个理论框架中，雪堆游戏的两个新的性质：i）任何雪堆游戏只能由一个参数-它的类，ii）他们是反对称的支付空间的对角线。最后，我们提出了一个模型的基础上，捕获的认知层次理论的主要特征的进化动力学。
2016-11-30 cs.GT physics.soc-ph
If cooperation is likely punish mildly: Insights from economic experiments based on the snowdrift game
惩罚可以阻止反社会行为。然而，惩罚的代价是昂贵的，而这些代价往往无法抵消合作水平提高所带来的收益。然而，惩罚的有效性不仅取决于它的成本，而且还取决于界定社会困境的环境。以雪堆博弈为基础，我们进行了一系列的经济实验，以确定严厉的惩罚是否比温和的惩罚更有效。我们已经观察到，严厉的惩罚不一定更有效，即使在两种情况下惩罚的成本是相同的。只有在极端不利的条件下，严厉惩罚的好处才会显现出来，因为在没有制裁的情况下，合作是极不可能的。如果合作是可能的，温和的惩罚并不降低有效性，并导致更高的平均回报，因此是更受欢迎的选择。研究结果表明，惩罚的积极影响不仅来自于罚款，还可能有心理背景。小小的罚款可以奇迹般地激励我们选择合作而不是背叛，但不会产生巨额罚款可能带来的瘫痪效应。只有在绝对必要时才应使用后者。
2013-04-17 cs.GT physics.soc-ph q-bio.PE
Evolution of Cooperation among Mobile Agents
我们研究了移动球员之间的合作，模仿生物群体的集体运动，并在规定的半径$R$内与邻居互动的演化的影响。采用囚徒困境的游戏和雪堆游戏的比喻，我们发现，合作可以保持，甚至提高低速度和小的回报参数，当与所有代理不动的情况下相比。但是这种协作的增强在很大程度上取决于$R$的值，并且对于适当的$R$值，存在最佳速度值以引起最大协作水平。此外，我们还发现，当速度一定时，$R$的中间值或初始种群密度最有利于合作。根据支付参数，系统可以达到一个吸收的合作状态时，雪堆游戏。我们的发现可能有助于理解社会系统中个体流动性与合作行为之间的关系。
2011-02-19 physics.soc-ph
Random mobility and spatial structure often enhance cooperation
研究了无条件移动规则在空间囚徒困境、雪堆和猎鹿博弈中的作用。与随机混合的种群相比，空间结构本身可以改变许多博弈的结果，有时促进合作，有时抑制合作。在这里，我们表明，随机稀释和流动性可能会抑制在雪堆游戏中的空间结构的抑制因素，同时提高已经发现在囚徒困境和雄鹿狩猎游戏更大的合作。
2008-09-09 physics.bio-ph physics.soc-ph q-bio.PE
Biased imitation in coupled evolutionary games in interdependent networks
我们探讨两个游戏的进化动力学-囚徒困境和雪堆游戏-发挥不同的网络（层）的相互依存的网络。在这些网络中，相互对立的个体之间的模仿和互动是通过相互联系建立起来的。我们探讨了一个更新规则，其中修订的战略是一个有偏见的模仿过程：个人模仿邻居从同一层的概率p，和邻居从第二层的互补概率1 -p。我们证明，一个小的减少p从p = 1（这对应于禁止层之间的战略转移）是足以促进合作的囚徒困境子群。另一方面，这不利于雪堆游戏亚群的合作。我们提供了广泛的计算机模拟的情况下，层建模为定期随机网络的结果，并支持这项研究的分析结果耦合良好的混合人口。
2014-03-22 physics.soc-ph q-bio.PE
Quantum games on evolving random networks
我们研究了量子策略在演化随机网络上的演化社会困境中的优势。我们的研究集中在两人博弈：囚徒困境，雪堆和雄鹿狩猎游戏。所得结果显示量子策略对于囚徒困境博弈的好处。对于其他两个游戏，我们得到的参数区域的量子策略占主导地位，以及经典策略共存的区域。
2015-12-30 physics.soc-ph quant-ph
Evolutionary game on networks with high clustering coefficient
本研究探讨了演化博弈中格子结构的影响。在具有高聚类系数的网络中考虑了雪堆游戏，使用了四种不同的策略更新。采用对近似的解析解与数值结果进行了比较。结果表明，一般的陈述断言，晶格结构增强合作是误导。
2015-08-14 nlin.AO physics.soc-ph q-bio.PE
Emergence of cooperation induced by preferential learning
研究了Barabási-Albert网络中具有优先学习机制的进化囚徒困境博弈（PDG）和雪堆博弈（SG）.仿真结果表明，在较宽的收益范围内，个体的优先学习显著地促进了两种博弈的合作行为。为了了解偏好学习对系统演化的影响，我们研究了不同偏好强度和支付的合作者密度的时间序列。研究发现，在某些特定情况下，两个博弈都表现出$1/f$标度行为，这表明存在长程相关。我们还发现，当度大的节点被选中的概率高时，PDG会表现出间断的均衡型行为。相反，SG表现出突然增加的特征。这些暂时的不稳定行为归因于大度节点的策略转移。
2006-03-01 physics.soc-ph
Pattern Formation, Social Forces, and Diffusion Instability in Games with Success-Driven Motion
合作者的局部聚集可以支持合作的生存或传播，即使根据复制者方程预测合作会消亡，这通常用于进化博弈论中研究策略的传播和消失。在本文中，它表明，成功驱动的运动可以触发这种局部聚集，因此，可以用来补充其他机制支持合作，如声誉或惩罚。在这里，博弈驱动的运动被公式化为博弈理论收益的函数。它可以极大地改变空间游戏的结果和动态，特别是当它引起吸引力或排斥力时。当策略的空间分布不均匀时，这些力量就会起作用。然而，即使在齐次初始条件下，当满足某些条件时，小扰动也可以通过图案形成不稳定性触发大的不均匀性。在这里，这些不稳定性条件的囚徒困境和雪堆游戏进行了研究。此外，它表明，不对称扩散可以驱动社会，经济和生物系统进入不稳定的政权，如果这些将是稳定的没有扩散。
2009-03-05 physics.soc-ph
Social dilemmas, network reciprocity and the small-world property
本文研究了小世界网络上的囚徒困境与雪堆困境演化博弈模型，探讨了网络互惠对传递性增加机制下合作行为的促进作用，发现雪堆博弈随随机性增加趋于退火场景，而囚徒困境在网络互惠增强时对合作行为更为严峻。
2024-11-12 physics.soc-ph
Social dilemmas in an online social network: the structure and evolution of cooperation
我们研究了两种研究合作演化的范式--囚徒困境和雪堆博弈，在一个从社交网站获得的在线友谊网络中。我们证明了这样的社会网络具有小世界性质，度分布具有幂律尾。此外，它还具有等级制组织，并呈现出分化混合的格局。我们研究了这两类博弈的演化版本，发现合作行为的增强和维持归因于底层网络的拓扑结构。它还表明，合作者可以生存时，面对入侵的叛逃者在整个范围内的参数的两个游戏。与模型网络相比，经验网络上的合作演化受到多种网络效应的综合影响。我们的研究结果有助于理解人类群体和社会中的合作行为。
2007-01-29 physics.soc-ph
Evolutionary Games on Networks: Phase Transition, Quasi-equilibrium, and Mathematical Principles
该研究针对空间演化博弈近似方法得到的“稳定”合作率可能为准平衡态的问题，发现经典博弈模型收敛时间存在相变，并提出数学原理解释该相变与准平衡现象，揭示了合作与背叛长期共存的机制。
2023-04-26 physics.soc-ph q-bio.PE
Facilitating Cooperation in Human-Agent Hybrid Populations through Autonomous Agents
该研究在演化博弈论框架下探究合作型与背叛型自主智能体（AAs）对人-智能体混合群体合作的影响，发现不同博弈场景下AAs作用存在差异，合理设计应用可最大化其促合作效果。
2023-07-03 physics.soc-ph
Social dilemma alleviated by sharing the gains with immediate neighbors
我们研究了进化空间囚徒困境博弈（PDG）和雪堆博弈（SG）中合作的演化，在这两个博弈中，每个博弈者从直接博弈中获得的收益的一部分$α$由近邻平均分享.因此，参数$α$的大小表征了相邻玩家之间的相关程度。通过广泛的蒙特卡罗模拟以及一个扩展的平均场近似方法，我们跟踪的频率合作在定态。我们发现，插入相关性可以显着促进双方研究的游戏中的合作的演变。出乎意料的是，合作可以更容易地建立在空间PDG比在空间SG，鉴于相互合作的相关性和成本效益比的程度是适当制定。我们的模型与利益相关者理论的相关性也进行了简要讨论。
2014-01-07 nlin.AO physics.soc-ph
High-Accuracy Approximation of Evolutionary Pairwise Games on Complex Networks
本文提出动态近似主方程（DAMEs）方法，精确近似复杂网络上的进化博弈结果，计算资源消耗远低于传统数值模拟，精度超越以往成对方法，为为揭示合作演化之谜提供新见解。
2023-01-12 cs.SI physics.soc-ph q-bio.PE
Imitating emotions instead of strategies in spatial games elevates social welfare
在空间博弈中，模仿作为进化驱动力的成功性经常受到质疑，特别是对于雪堆博弈这样的社会困境，其中最有利可图的可能是维持合作策略和缺陷策略的混合阶段。在这里，我们重新审视这一假设，通过调查空间社会困境游戏，而不是纯粹的策略，玩家可以采用他们的邻居的情感档案的合作的演变。为了简单起见，每个玩家的情绪概况仅由两个关键因素决定，即它如何对待更少的邻居以及如何对待更成功的邻居。我们发现，模仿情感，如善意和嫉妒，而不是纯粹的策略，从更成功的球员重新建立模仿作为解决社会困境的结构化人口没有任何额外的假设或战略复杂性的巡回演出。
2011-09-08 cond-mat.stat-mech physics.bio-ph physics.soc-ph
Coevolution of teaching activity promotes cooperation
进化游戏是研究玩家的教学活动可以随着时间的推移而演变的游戏。最初，所有遵循合作或背叛策略的参与者都分布在正方形网格上。策略采用率由收益差异和一个教学活动决定，该教学活动表征了捐赠者对对手实施其策略的能力。每一个成功的战略采用过程都伴随着捐助者教学活动的增加。通过应用增量的最佳值，这个简单的机制自发地在教学活动中产生相关的不均匀性，支持维持囚徒困境和雪堆游戏的合作。
2008-03-28 physics.gen-ph physics.soc-ph q-bio.PE
Oscillatory evolution of collective behavior in evolutionary games played with reinforcement learning
大规模合作是生态系统和人类社会演化的基础，多智能体系统自组织的集体行为是理解的关键。随着人工智能（AI）在几乎所有的科学分支中盛行，看看从多智能体AI系统中可以获得什么样的集体行为的新见解将是非常有趣的。在这里，我们介绍了一个典型的强化学习（RL）算法- Q学习到进化博弈动力学，其中代理人追求最佳行动的基础上的内省，而不是在传统的进化博弈（EG）的生灭或模仿过程。我们调查的合作患病率数字一般$2\times 2$游戏设置。我们发现，在大多数情况下，多智能体AI中的合作流行率与传统EG中的合作流行率相同。然而，在雪堆游戏与RL我们也发现，爆炸性合作出现的形式，周期性振荡，我们研究的支付结构对其出现的影响。最后，我们还证明了在其他一些使用RL算法的EGs中也可以观察到周期振荡，例如石头剪刀布游戏。我们的研究结果为从人工智能的角度理解自然界和社会中合作和振荡行为的出现提供了参考点。
2019-08-07 nlin.AO physics.soc-ph
Game theory is fundamental to understanding cooperation between agents. Mainly, the Prisoner's Dilemma is a well-known model that has been extensively studied in complex networks. However, although the emergence of cooperation has been investigated before, the influence of memory in its evolution is not well understood. This paper presents a detailed study of cooperation dynamics in which agents have memory. We simulate the evolutionary Prisoner's dilemma game on random, scale-free and networks presenting degree-degree correlation. Through extensive simulations, we show that assortativity can …
2022-06-06 physics.soc-ph
Limitation of network inhomogeneity in improving cooperation in coevolutionary dynamics
合作行为在自然界中是普遍的，即使自私有时对个人更好。经验和理论研究表明，合作者的入侵和扩张与非齐次连通性分布有关。在这里，我们研究了自适应网络上合作的演化，在这种网络中，个体能够通过重新连接其链接来避免被利用。我们的研究结果表明，扩大连接分布并不总是有利于合作。与类泊松度分布相比，类指数度分布不利于连续雪堆博弈（CSG）中更高水平合作的发生.
2011-06-16 cs.SI physics.soc-ph
Memory based Boolean game and self-organized phenomenon on networks
我们研究了一个发生在正则环上的基于记忆的布尔博弈（MBBG），其中每个智能体根据其在记忆中记录的最后M个时间步的局部最优状态来行动，少数智能体得到奖励.引入一个介于0和1之间的自由参数p来表示智能体根据记忆做出决策的意愿强度。我们发现，在适当的意愿强度p下，MBBG系统可以自发地演化到比随机博弈更好的状态;而当p较大时，系统会出现羊群行为，降低系统收益。通过分析系统的动力学行为对记忆容量M的依赖关系，发现记忆容量越大，越有利于系统出现更好的性能状态，有效地抑制羊群行为，从而提高系统收益。考虑到长时间记忆的高成本，本文还讨论了增强记忆容量以抑制羊群行为的问题，并建议M=5是一个较好的选择。
2007-01-23 physics.soc-ph
Evolutionary games with facilitators: When does selection favor cooperation?
我们研究了选择和随机波动对两种策略（“合作”和“背叛”）博弈的演化动力学的综合影响，其中种群中包含合作促进者。后者是通过增强合作者相对于背叛者的适应性的生殖潜力来支持合作的个体。通过计算固定概率的一个单一的合作者在有限的和混合的人口，包括一个固定数量的促进者，并通过使用平均场分析，我们确定当选择促进合作的重要类的囚徒困境，雪堆和猎鹿游戏。特别是，我们确定的情况下，选择有利于取代和入侵的合作背叛。我们的研究结果，证实了随机模拟，表明可以通过各种情况下促进合作的传播时，密度的促进者超过一个临界值，其依赖于人口规模和选择强度进行了分析。我们还确定在哪些条件下合作更有可能取代背叛，而不是相反。关键词：进化博弈;合作动力学;社会困境;固定;种群动力学。
2013-08-17 cond-mat.stat-mech nlin.AO physics.soc-ph
Winning in Sequential Parrondo Games by Players with Short-Term Memory
最初的Parrondo博弈，记作AB3，包含两个独立的博弈：A和B。A、B博弈的胜负由一个单位资本的变化来决定。如果连续进行游戏A，则游戏A是失败的游戏，具有获胜概率$p=0.5-ε$，其中$ε=0.003$。游戏B也是输的，它有两个硬币：如果玩家的资本不能被$3$整除，则使用具有获胜概率$p_g=0.75-ε$的好硬币，否则使用具有获胜概率$p_b=0.1-ε$的坏硬币。Parrondo悖论是指A和B博弈在一个序列中的混合导致长期获胜的情况。这个悖论可以用马尔可夫链分析来解决。我们扩展这个设置的Parrondo游戏涉及一步记忆的球员。玩家可以通过在Parrondo游戏序列中切换A或B游戏来获胜。如果玩家知道他玩的游戏的身份和他的资本状态，那么玩家可以最大限度地获胜。另一方面，如果玩家不知道游戏的性质，那么他正在玩（C，D）游戏，其中要么（C=A，D=B），要么（C=B，D=A）。对于具有一步记忆的局中人进行AB3博弈时，在（C，D）博弈序列中，当转换概率等于$3/4$时，他可以获得最大的期望收益。这一结果已发现第一次数值，然后证明解析。在参数$p_b<p=0.5=p_A <p_g$的一般域上，推广到其它整数$M$的AB mod（$M$）Parrondo对策.（请阅读PDF文件以获取完整摘要）
2016-01-10 physics.soc-ph
Conformity Hinders the Evolution of Cooperation on Scale-Free Networks
我们研究的一致性的影响，人类模仿当地共同的行为的倾向，在合作的进化时，个人占据一个图的顶点，并从事一次性囚徒困境或雪堆游戏与他们的邻居。研究了两种不同的图：环（具有循环边界条件的一维晶格）和Barabasi-Albert型的无标度网络。通过蒙特卡罗模拟和扩展的对近似技术，建议的进化图模型进行了研究。我们发现改进的合作水平时，进化进行环和个人模仿，根据传统的支付偏置和一致的偏见。更重要的是，我们表明，无标度网络不再是强大的放大器的合作时，公平数量的一致性引入的模仿规则的球员。无标度网络促进合作能力的减弱是无标度拓扑中信息流偏差较小的结果，这使得枢纽节点更容易受到连接较少的邻居的影响。
2009-06-11 physics.soc-ph
Spatial social dilemmas: dilution, mobility and grouping effects with imitation dynamics
我们提出了一个广泛的，系统的研究下的同步，无声的模仿动力学的正方形格子上的囚徒困境和雪堆游戏。我们表明，对于网络的占用和（随机）流动性的代理商有中间值，可能会增加合作者在系统中的数量和新的阶段出现。我们分析确定这些阶段之间的过渡线，并与平均场预测和观察到的行为在一个正方形晶格比较。我们指出哪些是更相关的微观过程，使合作者入侵人口的叛逃者在流动性的存在，并讨论这些结果的普遍性。
2015-11-24 physics.soc-ph q-bio.PE
Cooperation Dynamics with Environmental Feedback: Steady States and Transitions
School of Physics, Ningxia University（宁夏大学物理学院）
本文针对四类经典博弈构建策略-收益环境反馈模型，推导得等价复制子方程，揭示初始合作水平、背叛诱惑与惩罚对合作的调控机制，为理解集体亲社会行为提供基础。
2026-10-16 nlin.AO physics.soc-ph
Consequences of fluctuating group size for the evolution of cooperation
合作的研究传统上集中在离散的游戏，如著名的囚徒困境，其中玩家选择两个纯策略：合作和背叛。然而，越来越多的合作被研究在连续的游戏，具有连续的战略决定合作投资的水平。对于连续雪堆游戏，它已被证明，一个逐渐发展的单态人口可能会经历进化分支，导致出现一个叛逃者的战略，共存的合作者的战略。这种现象被称为“公社的悲剧”。在这里，我们研究波动的群体规模的悲剧公社的影响，并推导出进化分支的分析条件。我们的研究结果表明，波动的群体规模对演化动力学的影响，关键取决于支付函数的结构。对于具有可分离收益和成本的博弈，群体规模的波动使得进化分支的可能性较小，而群体规模的足够大的波动总是可以将进化分支点转变为局部进化稳定策略。对于收益和成本可以乘法分离的博弈，群体规模的波动既可以防止公社悲剧的发生，也可以诱发公社悲剧的发生。对于利益和成本之间的一般相互作用的游戏，我们得出一个一般的分类方案的基础上的二阶导数的支付函数，阐明当组大小的波动帮助或阻碍合作。
2010-10-26 cs.SI physics.soc-ph q-bio.PE
Evolution of cooperation on scale-free networks subject to error and attack
我们研究了无标度网络中的囚徒困境和雪堆博弈中的合作演化，这些博弈都是有目的和随机地移除顶点的。我们表明，无论游戏类型，合作无标度网络是非常强大的随机删除顶点，但下降速度快，如果顶点与最大程度的目标。特别是，攻击容忍度是最低的，如果诱惑的缺陷是最大的，其中一小部分删除顶点足以抽取合作者。合作性的下降可以直接与无标度网络的异质性的降低有关，这种异质性是由于高度顶点的移除而产生的。我们的结论是，合作的演变的特点是类似的攻击和容错，如以前报道的信息准备和无标度网络上的病毒传播。
2009-02-26 cond-mat.stat-mech physics.soc-ph q-bio.PE
Does good memory help you win games?
我们提出了一个简单的游戏模型，不同的内存长度的代理竞争有限的资源。我们通过模拟和分析表明，不稳定性存在于一个临界的记忆长度，因此，不同的记忆长度可以竞争和共存的动态平衡。我们的分析公式，使统计瓮模型的连接，我们表明，温度是由代理的内存。我们的分析很容易推广到许多其他的游戏模型，我们简要讨论的影响。
2015-05-11 nlin.AO physics.soc-ph
We investigate symmetric equilibria of mutual reinforcement learning when both players alternately learn the optimal memory-two strategies against the opponent in the repeated prisoners' dilemma game. We provide a necessary condition for memory-two deterministic strategies to form symmetric equilibria. We then provide three examples of memory-two deterministic strategies which form symmetric mutual reinforcement learning equilibria. We also prove that mutual reinforcement learning equilibria formed by memory-two strategies are also mutual reinforcement learning equilibria when both players use…
2022-12-28 cs.GT physics.soc-ph
Effect of memory on the prisoner's dilemma game in a square lattice
我们利用正方形格子网络研究了记忆对囚徒困境博弈演化的影响。基于广泛的模拟，我们发现大多数参数的记忆效应增加会增强合作者的密度。然而，我们也观察到，随着记忆效应的增加，在一个大的记忆和适度的诱惑的情况下，合作者的密度下降。值得注意的是，记忆使合作者免受诱惑。保护强度只有在中等记忆效应时才达到最大值。
2008-10-30 physics.comp-ph physics.soc-ph
Memory is relevant in the symmetric phase of the minority game
少数者博弈是一个简单的经济物理模型，描述了自私的参与者之间的合作行为。以前的调查，这是基于数值模拟高达约100名球员的某个参数$α$的范围$0.1 \lesssim α\lesssim 1$，表明记忆是无关的合作行为的少数民族游戏在所谓的对称阶段。在这里使用大规模的数值模拟高达约3000名球员的参数范围$0.01 \lesssim α\lesssim 1$，我们表明，在少数民族游戏的出席率的平均方差实际上取决于在对称阶段的记忆。我们解释这种依赖的框架中的人群-反人群理论。研究结果表明，在研究少数者博弈时，不应忽视历史时间序列中隐藏在相关性下的反馈机制。
2005-04-26 cond-mat.stat-mech physics.soc-ph
Memory and long-range correlations in chess games
在本文中，我们报告存在的长程记忆的开放动作的时间顺序排列的国际象棋比赛使用广泛的国际象棋数据库。我们使用两种映射规则来构建离散时间序列，并使用两种检测长期相关性的方法进行分析;重新标度范围分析和去趋势波动分析。我们发现长距离记忆与运动员的水平有关。当数据库根据玩家级别进行过滤时，我们发现不同子集的持久性存在差异。对于高水平的球员，在长时间尺度上的相关性更强，而在中等和低水平的球员，他们在较短的时间尺度上达到最大值。这可以被解释为具有不同专业水平的玩家所使用的不同策略的签名。这些结果对分配规则和时间序列分析中采用的方法是鲁棒的。
2013-10-07 physics.data-an physics.soc-ph
Coveting thy neighbors fitness as a means to resolve social dilemmas
在空间进化博弈中，每个个体的适应度传统上取决于它与邻居进行博弈时获得的收益。由于背叛能带来最高的个人利益，合作者的前景是暗淡的。虽然网络互惠促进了合作努力，但如果背叛的诱惑很强，避免即将到来的社会衰退的机会就很渺茫。因此，确定为合作的发展提供额外支持的可行机制是有意义的。受环境对于个人发展可能与继承同样重要这一事实的启发，我们引入了一个简单的开关，允许玩家保留其原始收益或使用所有邻居的平均收益。根据哪一个收益更高，任何一个选项的影响都可以通过一个参数来调整。我们表明，在一般情况下，考虑到环境促进合作。然而，过于渴望邻居的适应性并不是最佳的。事实上，只有当以传统方式获得的收益的影响等于邻域的平均收益的影响时，合作才能最好地发展。我们目前的结果为囚徒困境和雪堆游戏，不同程度的不确定性，管理的战略采用过程中，并为不同的邻里大小。我们的方法概述了一个可行的路线，以提高水平的合作行为的结构化人口，但一个需要深思熟虑的实施。
2011-02-22 cs.SI physics.soc-ph q-bio.PE
A study of memory effects in a chess database
最近的一系列研究工作研究了一个按时间顺序排序的国际象棋游戏数据库-包含1998年至2007年期间人类玩过的140万场比赛-表明国际象棋游戏线的流行分布遵循Zipf定律，并且从这些游戏线的序列推断出的时间序列表现出长距离记忆效应。齐普夫定律与长程记忆效应同时存在的现象曾在多个体系中被观察到，然而，这两种现象的同时出现一直被分开研究。在这项工作中，通过使用由Cattuto等人引入的Yule-Simon优先增长模型的变体，我们提供了一个解释齐普夫定律和长程相关记忆效应在国际象棋数据库中的同时出现。我们发现，Cattuto的模型（CM）是能够重现，齐普夫定律和长程相关性，包括大小相关的赫斯特指数的缩放相应的时间序列。CM允许通过一个优先的增长动态，包括内存内核，在国际象棋游戏线的流行分布的同时出现这两种现象的解释。随着数据库的增长，这种机制导致了象棋游戏线选择的老化过程。此外，我们发现在最活跃的球员的子集的活动中的突发性，虽然球员池的聚合活动显示事件间的时间没有突发性。我们发现，CM是不能够产生突发行为的时间序列提供证据表明，突发性是不需要解释的国际象棋数据库中的长程相关效应。
2016-12-21 physics.data-an physics.soc-ph
Microscopic activity patterns in the Naming Game
用于研究某些跨学科背景下集体现象的统计物理模型，例如社会动态和舆论传播，没有考虑记忆对个人决策过程的影响。相反，在最近提出的语言形成模型-从这个角度来看，由代理收集的状态的数量的统计特征成为一个相关的数量，以了解模型的动态，以及拓扑属性对基于内存的模型的影响。通过主方程的方法，我们分析了嵌入在网络上的种群中的内部代理动态博弈，发现它强烈地依赖于系统的非常一般的拓扑性质（例如，平均和波动的程度）。然而，拓扑性质对微观个体动态的影响是一种普遍现象，应该表征所有那些可以通过基于记忆的谈判过程建模的社会互动。
2006-06-05 cond-mat.dis-nn cs.MA physics.soc-ph
Spherical grand-canonical minority games with and without score discounting
我们提出了一个球形版本的巨正则少数博弈（GCMG），并解决其动力学在稳态。该模型显示了多个遍历阶段和一个非遍历阶段之间的几种类型的过渡。我们推导出解析解，包括精确表达式的波动率，在所有遍历阶段，并计算系统的相行为。与传统的GCMG相比，其中引入记忆损失排除了分析方法，当考虑指数贴现时，球形模型也可以求解。对于同质激励交易的情况下，记忆损失率ρ，一个有效的阶段，只有当ρ = ρ =0。允许异构的记忆丧失率，我们发现，只要有任何有限的分数代理，这是不受记忆丧失的效率可以实现。
2008-10-07 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
