带动态期望值的蒙特卡洛获胜-保持-失败-转移策略在进化社交困境中的随机行为

在资源充裕时，期望值上升；在危机时，期望值下降。这可以用一种带有动态期望水平的赢-保持-输-转移（Win-Stay-Lose-Shift）策略来描述，其中个体期望达到其平均邻居的财富水平。我们在正方形格子和无尺度网络上的进化社交困境中研究此模型。通过使用主方程和蒙特卡洛仿真，我们发现即使在诱惑力强大的情形下，合作者与背叛者仍可共存。我们研究了导致合作行为持久性的微观机制，发现合作通过第二阶邻居传播，而非通过基于模仿的网络 reciprocity 机制。对于正方形格子，主方程可在费米函数的大温度极限下解析求解；而对于其他情况，需数值求解所得微分方程。无论如何，我们发现蒙特卡洛仿真结果与之之间存在良好的定性一致性。我们的分析还表明，进化结果在很大程度上独立于网络拓扑，包括用于确定报酬的邻居数量，这进一步证明了微观动力学的局部性质。与通常由于网络 reciprocity 而产生的大尺度空间图案不同，此处的局部棋盘状图案几乎不受宏观属性差异的影响。