资源水平驱动下多智能体竞争模型中集体响应的转变

我们旨在研究控制资源水平对智能体模型的影响。我们既数值又解析地研究了一种二元智能体-资源 (B-A-R) 模型，其中 $N$ 个智能体竞争资源，资源水平为 $1/2 \leq {\cal L} < 1$，其中 ${\cal L} = L/N$，$L$ 为每回合可用资源的最大量。每个智能体根据当前最佳表现的策略作出决策，策略表现是由智能体的累计集体决策结果决定。智能体是否相互网络化以共享信息。详细的数值仿真显示，系统在成功率中表现出明确的平台区域，这些平台区域之间由突变分隔。随着 $L$ 的增加，最大成功率形成一序列简单分数。通过研究结果时间序列、策略表现排名模式的动力学以及历史空间的动力学来分析这些特征。虽然系统倾向于由于其竞争性质而探索整个历史空间，但增加的 $L$ 的效果是将系统驱动到受限的历史空间的某些部分。因此，观察到的特征的根本原因是一种有趣的自组织现象，即系统针对全局资源水平的响应，实际上避免了特定的历史结果模式。我们还比较了网络化人口和非网络化人口的结果。