网络演化博弈实验中的策略学习动力学与相变问题研究

The comprehensive results of recent human game experiments indicate that the strategy-updating rules proposed in previous game theoretical models cannot characterize how our humans change strategies and how the collective cooperation emerge in the real social population. In this project, we plan to implement large-scaled networked game experiments with participators recruited from our universities. We expect to find the crucial factors affecting ones strategy decision-making processes, by trailing the time series of each person's strategy and payoff information and by investigating how these two series correlate with those of the neighbors. Meanwhile, inspired by the results from behavioral psychology field, we want to study how the various reinforcement learning rules influence the evolution of collective cooperation. By tuning the parameters of reinforcement learning rules, we expect to find the optimal ones that can better match those results from real experiments to guide our understanding how cooperation evolves in real social systems. Besides, we will also explore the phase transition phenomena arisen in networked games by using the methods and ideas from statistical physics and nonlinear dynamics. By analyzing the critical exponents, universality classs, and their dependence on the network topology and dynamical rules, our results will hope to help us deep understanding how local interactions lead to global emergent phenomenon in complex adaptive systems.

近几年来的一些真人博弈实验结果表明:以往博弈理论模型中所提出的个体策略更新动力学都不能准确地描述群体层面的策略演化以及系统合作行为的涌现现象。在本项目中，我们将开展大规模真人网络博弈实验，通过详细跟踪个体所采取策略与所获得收益的时间序列，分析其与网络邻居的策略与收益时间序列的关联行为，探寻影响个体决策动力学的关键性因素。同时根据行为心理学的研究成果，研究不同的强化学习规则对群体合作行为演化的影响，通过调节学习速率参数，找到理论预测结果与真人实验结果最符合的规则，为更好地理解实际社会系统中合作演化提供科学指导。最后我们还将借用统计物理学和非线性动力学中的思想和方法来详细研究网络博弈演化过程中呈现出来的相变行为，探究影响其临界指数或普适类的结构因素和动力学机制，为深入理解复杂适应系统局部微观作用导致宏观涌现行为提供深刻的理论解释。

理论和实验研究表明复杂系统的功能实现离不开组成系统的单元间的集体合作行为。理解合作行为在大量个体间的涌现与维持机制是揭开从生命起源到人类社会组织产生机理的最根本途径。博弈理论为研究相互竞争的自私个体之间的合作演化提供了有力的理论框架。本项目根据实际复杂系统的特性和行为心理学的研究成果，采用网络演化博弈模拟实验和理论分析相结合的方法，并借用统计物理学和非线性动力学中的思想和方法，详细研究了社团结构、网络局域性与异质性、小世界网络、无标度网络以及多标签多个体网络等结构特征，和个体活动异质性、个体的非均匀教授和学习能力、敲诈者、非一致性合作者、对称惩罚策略、一步记忆策略、合作-勒索联盟、个体的理性程度等因素对合作演化的影响。得到如下研究结果：1）敲诈者、适度的惩罚以及给予大度个体更多的帮助会促进合作行为。2）个体非均匀教授能力促进合作；个体学习能力的异质性在同步策略更新时会促进合作，而在异步策略更新时其会抑制合作。3）个体活动的异质性在强选择下在较恶劣的环境有利于合作涌现，而在弱选择下不利于合作的形成；在强选择下社团丰度可显著促进合作。4）Win-stay-lose-shift策略在一步记忆策略空间中是一个稳定的优势策略。5）空间雪堆博弈可以演化到一种自组织临界状态。6）网络的局域性与异质性对合作的影响依赖于具体的博弈类型和更新规则。7）网络结构的小世界特性和耦合动力学的相对时间尺度在演化Kuramoto困境中均有着重要作用。8）无标度网络上的合作-勒索联盟的涌现，及勒索者均促进系统合作。9）适当的连边和理性程度可以缓解Kuramoto困境。10）在多标签多个体网络系统中非一致性合作者可以促进利他行为的涌现。这些结果对于理解复杂社会、经济系统中集体合作行为的涌现与维持具有重要的理论意义，同时对于制定有效诱导政策激励个体采取合作行为具有重要的指导意义。此外还富有成效的扩展研究了疾病和观点传播动力学，以及近似主方程方法在神经网络中的应用。