空间囚徒困境中演化学习规则与合作的涌现

在演化囚徒困境 (PD) 博弈中，智能体相互博弈并根据某些微观动力学规则在每一代更新其策略。在其空间版本中，智能体并非与所有其他智能体博弈，而是仅与其邻居互动，从而模拟定义谁与谁互动的现有社会或接触网络。在这项工作中，我们探索了由两种类型智能体组成的演化空间 PD 系统，每种类型具有特定的更新（繁殖、学习）规则。我们研究了两种不同的情景：第一种情况是更新规则在系统的整个演化过程中保持不变；第二种情况是智能体在每一代同时更新策略和更新规则。我们表明，在充分混合的群体中，演化结果总是完全背叛。随后，我们专注于接触网络上具有最近邻互动的双策略竞争及策略的同步更新。我们的结果表明，对于博弈参数的重要范围，系统的最终状态与通常的单一固定动力学规则设置所产生的状态大不相同。此外，如果更新规则是固定的还是随策略演化，结果也大相径庭。在这方面，我们研究了具有代表性的更新规则，发现其中一些可能会灭绝，而另一些则会盛行。我们描述了这种协同演化动力学产生的新颖且丰富的最终结果多样性。我们包含了其他邻域和异步更新的例子，以证实我们结论的鲁棒性。我们的结果为通过博弈论建模社会互动并提供一组优选更新规则的演化原理铺平了道路。