单层及双层关联网络上若干关键共演化问题研究

Hitherto, evolutionary game theory has become a hot topic in the field of Complexity Science and attracted considerable attentions. This project mainly focuses on the evolution of altruism (including cooperation and fairness) on single and interdependent networks in the framework of coevolution dynamics. For the system consisting of a single network, we study the influence of reputation-based linking dynamics on the evolution of fairness via developing proper protocols for removing and choosing partners. As for the system composed of interdependent networks, by designing feedback-based coupling mechanisms between two networks, we examine effects of tangled dynamics of different networks on the evolution of cooperation, and obtain the conditions conductive to cooperative behavior. Finally, we employ Monte Carlo simulations to investigate the evolution of strategies driven by intra-network and inter-network migration patterns, and figure out how migration intensity, migration scope, as well as time scale between different migration patterns affect the spreading of strategies in this scenario.

迄今为止，演化博弈理论研究已经成为复杂性科学领域的一个热点问题，引起了广泛关注。本项目拟在共演化动力学的框架下，针对单层、双层关联网络上的利他主义（包括合作与公平）演化问题展开深入而系统的研究：（1）对于单层网络系统，通过设计合适的博弈对象剔除和选择协议，研究基于声望的边动力学机制对公平演化的影响；（2）针对于双层关联网络系统，设计基于反馈的动态关联协议，研究不同网络上的演化动力学的关联耦合对合作演化的影响，给出有利于合作行为演化的条件；（3）最后，借助于Monte Carlo系统仿真，研究双层网络上同时受网内迁徙和网间迁徙模式制约的策略演化问题。主要阐明在这种背景下，迁徙强度、迁徙范围以及不同迁徙模式之间发生的时间尺度对系统中博弈策略传播的作用。

真实的网络不仅是多层的，而且是动态的。关于多层动态网络的研究还很不充分，在该类问题中，多层网络的结构和策略的演化通常在不同层间存在着各种耦合。在本项目中，首先研究了囚徒困境博弈和公共品博弈中的自组织的动态依存关系对合作的影响，其中流行度占优策略有机会受到奖励，且奖励力度依赖于另一网络上对应个体的博弈收益。发现受多数压力制约的动态依存关系能够显著促进合作。其次，提出了双层关联网络的协同共演化模型。其中，策略反馈作为网络进化的主要驱动力，而多层网络内在的跨层自优化为其提供补偿。研究结果显著强调了协同共演化动力学的根本优势，在支持合作方面，重度耦合的慢调网络常常能够战胜轻度耦合的快调网络。最后，研究了受从众效应驱动的拓扑更新机制对单层网络中合作演化的影响。发现提出的策略中性的共演化机制十分有利于由相同策略构成的纯策略组的形成和稳定，而不管是合作策略组还是背叛策略组。