Peer pressure in extortion game can resolve social dilemma（博弈论+机制设计）论文阅读笔记

AgentSmart

于 2021-11-29 17:38:28 发布

阅读量558

点赞数 2

分类专栏：算法学习博弈论机器学习

本文链接：https://blog.csdn.net/dzc_go/article/details/121580291

版权

本文研究了同伴压力如何通过惩罚机制影响勒索策略在合作演化中的作用。模拟结果显示，适度的惩罚能促进合作，而较大惩罚可能导致勒索者占据优势。在不同惩罚因子下，策略比例和演化过程各有特点，揭示了同伴压力在解决社会困境中的潜在价值。

摘要由CSDN通过智能技术生成

以下内容取自原文摘要部分：勒索策略是零行列式策略的一个重要子集，它保证参与者得到的收益不低于对手的收益，引起了许多学者的关注。同伴压力已经证实在动态演化博弈的自私个体之间维持合作是一个很有效的机制。因此本文中，我们使用惩罚来模拟同伴压力去研究其对于勒索策略中合作演化的影响。同伴压力可以用惩罚去模拟并且使用 $\alpha$ 控制惩罚强度。模拟结果表明对于勒索者的惩罚在合作策略的演化中起到了关键作用。当 $\alpha$ 很小时，勒索者的惩罚可以使得系统进入一个三态循环类似于石头剪刀布，极大促进了合作。当 $\alpha$ 很大时，勒索者会独裁整个群体通过奖惩合作者与背叛者。另外当 $b$ 足够小时，合适的惩罚可以使得合作者占优整个群体。

我们在一个带有周期性边界条件（设定条件，忽略边界影响，使得系统可作为单元研究）尺寸为 $L\times L$ 的方形晶格中研究带有惩罚参数的勒索策略演化，勒索策略在贡献博弈中研究。每位代理者有三种策略选择无条件合作（C）、无条件背叛（D）、勒索（ $E_X$ ），策略空间可以表示为：
$S_x=\begin{pmatrix} 1\\0\\0 \end{pmatrix},\begin{pmatrix} 0\\1\\0 \end{pmatrix},\begin{pmatrix} 0\\0\\1 \end{pmatrix}$

关注