双模条件合作者在合作演化中的作用

大量行为实验表明，条件合作是一种常见的现象。以往的博弈论研究主要依赖硬性条件合作模型，其中合作仅在达到特定阈值后才会触发。然而，这与人类行为的观察结果相悖——人们会根据周围环境动态调整策略。为捕捉这种可适应性，我们引入了条件合作的软性形式，通过融合强化学习中的 Q 学习算法。在此形式下，玩家不仅会互惠合作，还可能在高度合作的环境中背叛，或在较少合作的环境中合作，以最大化奖励。为探讨硬性与软性条件合作者的相互作用，我们考察了两种情景：结构混合（SM）和概率混合（PM），其中两种行为模式分别固定存在或以概率方式采用。在 SM 中，当阈值较低时，硬条件合作者会促进合作，但在阈值较高时则阻碍合作。意外的是，在 PM 中，随着概率的变化，合作现象呈现出两次一级相位转变，导致合作水平呈现高、低和消失三个状态。对 Q 表格的分析提供了软条件合作者“心理转变”及整体演化动力学的洞见。模型的扩展验证了我们的发现。这些结果凸显了条件合作者多样性所带来的新奇复杂性。