不完美学习中的合作与背叛循环

当人们进行重复博弈时，他们通常会根据过去的观察来预测对手的行动，然后决定下一步采取什么行动。行为经济学研究在这些适应性学习过程中战略决策的机制。我们在此研究一个学习迭代囚徒困境博弈的模型。玩家可以在三种策略中选择：总是背叛（ALLD）、总是合作（ALLC）和以牙还牙（TFT）。在这种情况下，唯一的严格纳什均衡是ALLD。当玩家学习进行此博弈时，收敛到均衡并不保证，例如，如果玩家对遥远过去的观察进行折扣，我们会发现合作行为。当智能体使用小样本的观察动作来估计对手的策略时，学习过程是随机的，并且合作与背叛之间会出现持续的振荡。这些循环类似于随机进化过程中发现的循环，但维持振荡的噪声来源不同，它源于对手策略的不完美采样。基于系统展开技术，我们能够预测这些学习循环的性质，为描述更一般随机适应过程的结果提供了一种分析工具。