超越经典 Hamilton 法则：状态分布不对称与利他行为动力学

本文分析人口统计与基于状态的演化博弈同 Hamilton 法则之间的关系。结果表明，经典 Hamilton 法则（反事实方法）结合人口统计收益可导出易于检验的模型。当施助者与受助者的角色在每次互动事件中随机分配时，它表现良好。这由警报鸣叫例子予以说明。然而，我们可以设想角色转换由外部机制导致的情况，例如个体在栖息地边缘与内部间的流动，此时仅边缘个体可能发现威胁并警告其邻居。为涵盖这些情形，我们将一新模型推广到具有由某些一般机制驱动的、不同策略携带者间角色分布的显式动力学的情况。结果表明，即便角色间流动由中性机制（以相同方式作用于所有策略）驱动，焦点互动中死亡率的差异仍导致不同策略具有不同的角色分布。这导致比经典 Hamilton 法则更复杂的合作法则。除成本与收益分量外，新法则包含第三个分量，由两策略携带者中施助者比例之差加权。依符号不同，该分量可称为“生存盈余”（当施助者生存优于受助者时）或“牺牲代价”（当其降低收益时，即受助者生存超过施助帮助者时）。当我们允许不同策略具有不同的角色转换率时，即便在分类机制低效时（即非合作者受助概率略高于合作者），合作者也能获胜，而这在经典 Hamilton 法则中是不可能的。