基于遗传算法的重复囚徒困境博弈策略在复杂网络中的演化.pdfVIP

第56卷第8期2007年8月 物 理 学 报 Vo1．56，No．8，August，2007 1000-3290／2007／56(08)／4313．06 ACTA PHYSICA SINICA ⑥2007 Chin．Phys．Soc． 基于遗传算法的重复囚徒困境博弈策略 在复杂网络中的演化* 林 海 吴晨旭 (厦门大学物理系，理论物理与天体物理研究所，厦门 361005) (2006年 11月16日收到；2007年4月5日收到修改稿) 利用遗传算法研究重复囚徒困境博弈策略在复杂网络中的演化．研究结果表明：处于复杂网络中有记忆的个 体通过基因的复制、重组、变异和选择能够进化出一种白组织的合作机制．这种合作机制既能够在群体中激发合作 行为的产生，加强和维护持续的合作行为，同时又能对背叛的个体进行惩罚和报复，因此能够促使复杂网络中进化 出具有很高合作率的群体． 关键词：复杂网络，遗传算法，进化博弈，合作 PACC：0175，0565 一 个更为实际的框架u㈠ ．另一方面，文献 1．引 言 [11—13]研究的个体可以认为是没有记忆的，个体 当前的行为仅取决于上一轮博弈的结果．Axelrod_l J 达尔文的进化论认为自然选择会促进有利于个 则假设个体能够记忆与其他个体前3轮的博弈情 体生存和繁殖的那些性状的发展，那么，生物界中普 况，利用遗传算法研究有记忆的个体在均匀混合群 遍存在的合作行为是如何在自然选择的压力下进化 体中的演化，得到了一些很有意义的结果，如经过基 出来的呢?进化博弈论为理解合作行为的起源及演 因的复制、重组、变异和选择，个体能够进化出一报 化提供了一个强有力的理论框架¨ ．研究生物群 还一报(tit for tat，也称为针锋相对)的行为模式等 体中进化博弈的传统方法通常假设个体是均匀混合 等．本文则把基于有记忆个体的遗传算法模型应用 的，即群体中的任何一个个体都以同样的概率和其 到位于复杂网络中的群体．研究发现，复杂网络中的 他个体相遇并进行博弈．然而，这种模型过于理想 群体能够演化出与均匀混合群体不同的一些行为模 化，因为现实中的生物个体活动范围总是有限的，由 式．这些行为模式能够促使复杂网络中进化出具有 此组成的群体具有一定的空间分布或者空间结构． 很高合作率的群体． 因此Nawak等H 又研究了位于二维规则格点上的进 化博弈，他们假设每个个体都占据一个格点并且只 2．模 型 与自己的近邻相互作用．研究发现，对于囚徒困境博 弈，空间结构有利于合作行为的演化．随着近年来复 囚徒困境是博弈论中的经典模型．在囚徒困境 杂网络 理论研究的兴起，人们发现规则的格点 博弈中，两个个体同时决定是合作还是背叛，如果两 并不能很好地描述现实中的各种关系网络．现实中 者互相合作，则双方都得到 R的收益，如果互相背 的各种网络包括社会网络、生物网络、技术网络等 叛，则得益 P，如果甲合作而乙背叛，则甲得益s，乙 等，其拓扑结构通常都具有小世界(smal1．wodd) 或 得益 ．这里 TRPS，同时2RS+ ，即相 无标度(scale．free)Do]的特征．因此，复杂网络理论为 互合作双方的总收益大于一方背叛另一方的总收 具有空间结构的生物群体的进化博弈论研究提供了 益，然而对于个体而言，以背叛