重复囚徒困境博弈策略在无标度网络中演化

论文摘要

由博弈论与生物学结合产生的进化博弈论,作为一个有效的数学框架,在研究达尔文进化论中有关合作演化行为时起了很重要的作用。而随之,它也被拓展运用于解释自然界和社会科学各领域中出现的各种合作演化行为。同时在现实生活中大量自然和人工的系统都可以用复杂网络来表征。自从发现大多数实际网络的拓扑结构都具有小世界效应和无标度特性之后,复杂网络已经吸引了越来越多物理学家的兴趣。在本篇论文中,我们把进化博弈论与复杂网络相结合,通过借用经典的“囚徒困境”博弈策略来模拟研究个体之间在无标度网络中的合作演化行为。我们假设个体位于无标度网络中,只和自己的邻居进行博弈。模拟结果表明,无标度网络的结构特性对生物个体间的合作行为演化有深刻的影响。当无标度网络的平均度越大,越不利于合作行为的演化;无标度网络中,具有较大的聚类系数可促进合作行为的产生;在无标度网络中引入惩罚机制时,可以鼓励并维持了合作关系。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 复杂网络概述
• 1.1.1 网络系统的复杂性
• 1.1.2 网络的图表示
• 1.1.3 实际网络拓扑结构
• 1.2 复杂网络基本模型
• 1.2.1 规则网络
• 1.2.2 随机网络
• 1.2.3 小世界网络
• 1.2.4 无标度网络
• 1.3 博弈论
• 1.3.1 博弈论概述
• 1.3.2 囚徒困境模型
• 1.3.3 传统博弈论的局限
• 1.3.4 进化博弈论的产生及其运用
• [参考文献]
• 第二章 囚徒困境博弈策略在无标度网络中的演化
• 2.1 生物体系的合作行为
• 2.2 合作的演化
• 2.2.1 均匀混合群体中合作的演化
• 2.2.2 规则格点中合作的演化
• 2.3 无标度网络中囚徒困境博弈策略的演化
• 2.3.1 模拟参数设置及实现过程
• 2.3.2 在不同平均度网络中的演化
• 2.3.3 在不同聚类系数网络中的演化
• 2.3.4 在引入惩罚机制下的演化
• [参考文献]
• 第三章 模拟结果的分析与讨论
• 3.1 在不同平均度的网络中演化的相关结果
• 3.2 在不同聚类系数网络中演化的相关结果
• 3.3 在引入惩罚机制下演化的相关结果
• 3.4 小结
• [参考文献]
• 第四章 总结与展望
• 附录 本人在攻读硕士学位期间发表的论文
• 致谢