不屈策略引导合作并抑制空间种群中的敲诈

摘要 进化博弈动态在网络上通常考虑简单策略之间的竞争，如囚徒困境中的合作和背叛，并将群体结构的影响总结为网络互惠。然而，对于涉及重复博弈中通常考虑的多种强大策略的进化动态，仍然知之甚少，例如能够强制执行它们与其合作者之间线性收益关系的零决定（ZD）策略。在这里，我们基于常用的生死更新，考虑在格子种群中始终合作（AllC）、敲诈性ZD（敲诈者）和不屈玩家的进化动态。在能够促进敲诈玩家之间的相互合作和公平的不屈策略类别中，我们考虑一个特别候选者，通过粒子群优化（PSO）的机器学习方法进行预优化，称为PSO赌徒。我们在弱选择和稀有突变下推导出分析结果，包括配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，敲诈者可以在足够大的敲诈因子下与无条件合作者实现均衡的五五分配。然而，不屈玩家的存在根本改变了动态，并使系统倾向于促进不屈合作。最令人惊讶的是，无论敲诈因子多大，敲诈者根本无法主导，且不屈玩家的长期频率几乎维持不变。我们的方法适用于研究结构化种群中多种策略的进化动态。我们的工作提供了对网络互惠与直接互惠之间相互作用的洞见，揭示了不屈策略在执行公平和压制敲诈中的作用。