策略采纳规则的学习与创新元素扩展合作网络拓扑
分子网络
2012-03-01 v2 无序系统与神经网络
适应与自组织系统
生物物理
摘要
合作在复杂系统的演化中起着关键作用。然而，在广泛使用的重复博弈模型中，合作水平随代理网络拓扑的不同而大幅变化。本文表明，在重复多代理囚徒困境和鹰鸽博弈中，对多种随机、正则、小世界、无标度和模块化网络模型应用强化学习策略采纳规则Q-learning时，合作保持相对稳定。此外，我们发现使用上述模型系统，其他长期学习策略采纳规则也促进合作，而在策略采纳规则中引入低水平噪声（作为创新的模型）使合作水平对实际网络拓扑的依赖程度降低。我们的结果表明，长期学习和策略采纳规则中的随机元素协同作用时，扩展了使合作在更广泛成本和诱惑下发展的网络拓扑范围。这些结果表明，学习与创新的平衡组合有助于在现实世界网络重组过程中保持合作，并可能在自组织复杂系统的演化中发挥重要作用。
引用
@article{arxiv.0708.2707,
title = {Learning and innovative elements of strategy adoption rules expand cooperative network topologies},
author = {Shijun Wang and Mate S. Szalay and Changshui Zhang and Peter Csermely},
journal= {arXiv preprint arXiv:0708.2707},
year = {2012}
}
备注
14 pages, 3 Figures + a Supplementary Material with 25 pages, 3 Tables, 12 Figures and 116 references