基于异步更新演化博弈的网络重构
物理与社会
2020-02-24 v1 数据分析、统计与概率
摘要
利用演化博弈数据重构了囚徒困境(PD)博弈参与者之间的相互作用。所有参与者在每一轮博弈中与其对手进行博弈并获得相应收益。然而，他们的策略在演化PD博弈中是异步更新的。分别利用朴素平均场(nMF)近似和最大对数似然估计(MLE)推导了参与者之间相互作用的两种推断方法。这两种方法还在完全连接的非对称Sherrington-Kirkpatrick (SK)模型上进行了数值测试，改变了数据长度、非对称度、收益和系统噪声(耦合强度)。我们发现MLE方法的重构均方误差(MSE)与数据长度的倒数成正比，且通常为nMF方法的一半(得益于更新时间的额外信息)。两种方法对非对称度均具有鲁棒性，但在大收益下表现更好。与MLE相比，nMF对耦合强度更敏感，且偏好弱耦合。
引用
@article{arxiv.2002.09105,
title = {Network reconstruction from asynchronously updated evolutionary game},
author = {Hong-Li Zeng and Shu-Xuan Wang and Yan-Dong Guo and Shao-Meng Qin},
journal= {arXiv preprint arXiv:2002.09105},
year = {2020}
}