带有智能体移民的意见动力学

我们提出了一种在复杂网络上的演化博弈中实现最大合作度的策略。每个个体被赋予一个与其度数的幂成正比的权重，其中指数 $\alpha$ 是一个可调参数，用于控制网络中个体间的多样性水平。在演化过程中，每个个体以与邻居权重成正比的概率选择一个邻居作为参考，并根据它们的收益差更新其策略。研究发现存在一个最优的 $\alpha$ 值，使得合作水平达到最大。这一现象表明，虽然高度数个体在维持合作方面起着突出作用，但来自枢纽节点的过强影响可能会反直觉地抑制合作的扩散。我们提供了一种辅以数值计算的物理理论来解释最优合作的出现。此外，还研究了其他相关量，如收益、作为度数函数的合作者密度以及收益分布。我们的结果表明，为了在复杂网络上实现强有力的合作，个体应更频繁地向高度数邻居学习，但仅限于一定程度。