不屈策略引导合作并抑制空间种群中的敲诈

网络上的演化博弈动力学通常考虑囚徒困境中合作与背叛等简单策略的竞争，并将种群结构的影响总结为网络互惠。然而，关于涉及重复博弈中通常考虑的多种强大策略（如零行列式（ZD）策略，该策略能够在其与共玩者之间强制执行线性收益关系）的演化动力学仍然很大程度上未知。在这里，我们考虑基于常用的死亡-出生更新的晶格种群中始终合作（AllC）、敲诈性ZD（敲诈者）和不屈玩家的演化动力学。在不屈策略类别中，我们考虑一个特定候选者PSO Gambler，一种机器学习优化的记忆一策略，它可以促进敲诈玩家之间的互惠合作和公平。我们在弱选择和稀有突变下推导出解析结果，包括成对固定概率和策略的长期频率。在没有第三种不屈类型的情况下，对于足够大的敲诈因子，敲诈者可以与无条件合作者在均衡中实现五五分成。然而，不屈玩家的存在从根本上改变了动力学，并使系统倾向于不屈合作。最令人惊讶的是，无论敲诈因子多大，敲诈者都无法主导，而不屈玩家的长期频率几乎保持为常数。我们的解析方法适用于研究结构化种群中多种策略的演化动力学。我们的工作提供了对网络互惠和直接互惠之间相互作用的见解，揭示了不屈策略在强制执行公平和抑制敲诈中的作用。