从相识到朋友：网络中的同配性与学习

本文考虑离散时间随机设置中网络的演化，其中智能体通过重复交互相互学习，并基于从这些交互中学到的信息维持或断开链接。智能体具有同配偏好和有限容量，因此他们与已知与自己相似的他人维持链接，并切断与已知与自己不同的他人的链接。因此学习影响网络的演化，但学习是不完善的，故演化是随机的。同配性至关重要。更高程度的同配性降低了智能体形成的（平均）链接数量。然而，同配性的效应是异常的：互利的链接可能在学习完成前被丢弃，从而导致比完全信息下更稀疏的网络和更少的聚类。在完全信息与不完全信息下涌现的网络之间可能存在巨大差异。同配性在此也很重要：起初，更高程度的同配性增大了完全信息与不完全信息网络之间的差异，但足够高的同配性最终减小了该差异。当同配程度为中等时，完全与不完全信息网络差异最大。在多个生命阶段下，不完全信息的效应初始较大但随时间有所减弱。