骑墙者保护复杂网络中的合作

演化博弈论是从科学到工程许多学科背后的关键范式之一。在复杂网络中，由于构建复制子动力学的困难，大多数先前的研究局限于数值层面。在本文中，我们引入了一种矢量形式化方法来解析推导三类个体的收益。这三类个体分别是纯合作者、纯背叛者和骑墙者。此处，骑墙者是指在策略演化过程中至少改变过一次策略的个体。作为一种通用方法，我们的矢量形式化可应用于所有双策略博弈。为了阐明骑墙者的功能，我们定义了一个参数“收益记忆”，即个体收益累积的轮数。我们观察到，收益记忆可以有效地控制骑墙者的效应及合作水平。我们的结果表明，骑墙者在复杂拓扑结构中的作用非同小可，它以间接方式保护了合作。我们的结果可能有助于更好地理解在背叛诱惑较大情境下合作者的构成。