중첩 복제 동역학, 중첩 로지트 선택, 유사성 기반 학습

우리는 행동 집합이 전략 간의 외생적인 유사성을 포착하기 위해 분할 기반 유사성 구조가 부여된 게임에서의 학습 및 진화 모델을 고려한다. 이 모델에서, 수정하는 에이전트는 현재 전략을 유사하다고 생각하는 다른 전략과 비교할 확률이 더 높으며, 관찰된 전략으로 전환하는 확률은 그 수익 초과에 비례한다. 유사한 전략에 대한 이러한 암묵적 편향으로 인해 발생하는 동역학 – 우리가 중첩 복제 동역학이라고 부르는 – 은 모방 게임 동역학에 대한 표준 단조성 가정을 만족하지 않지만, 우리는 이 동역학이 복제 동역학의 주요 장기 합리성 속성을 유지한다는 것을 보여준다. 비록 정량적으로 다른 속도에서 발생하더라도. 또한, 유도된 동역학은 Erev와 Roth(1998)의 정신에서 자극-반응 모델로 볼 수 있으며, 선택 확률은 Ben-Akiva(1973)와 McFadden(1978)의 중첩 로지트 선택 규칙에 의해 주어진다. 이 결과는 복제 동역학과 온라인 학습에서의 지수 가중치 알고리즘 간의 기존 관계를 일반화하며, 우리의 분석과 결과에 추가적인 해석의 층을 제공한다.