变化环境中的学习、多样性与适应：弱连接的作用
社会与信息网络
2023-05-02 v1 理论经济学
摘要
对动态条件的适应需要一定程度的多样性。若所有智能体都采取当前最优行动，则获知底层状态已改变且行为应当调整的学习过程将更缓慢。当智能体间通信迅速时，多样性更难维持，因为它们往往会迅速发现并追求最优行动。我们利用一个基于社交网络的（贝叶斯）学习模型来探讨这些问题。智能体从强连接对象处快速学习，并可能有动机与之协调。然而我们表明，当底层环境变化足够快时，仅由强连接构成的任何网络长期来看仅比随机选择略好。相比之下，结合强连接与弱连接的网络——其中后者类型连接仅缓慢传递信息——可实现高得多的长期平均收益。最优社交网络是将大部分智能体组合为一个强连通分量，同时仍维持足够数量的小型社群，这些社群做出多样化选择并通过弱连接与该分量通信的网络。
引用
@article{arxiv.2305.00474,
title = {Learning, Diversity and Adaptation in Changing Environments: The Role of Weak Links},
author = {Daron Acemoglu and Asuman Ozdaglar and Sarath Pattathil},
journal= {arXiv preprint arXiv:2305.00474},
year = {2023}
}