網(wǎng)絡(luò)化多主體系統(tǒng)中的社會(huì)規(guī)范涌現(xiàn)機(jī)制研究.pdf

1、社會(huì)規(guī)范分為協(xié)同規(guī)范和合作規(guī)范，其對(duì)于維持網(wǎng)絡(luò)化多主體系統(tǒng)的秩序和運(yùn)行效率起著極其重要的作用，目前研究中面臨的挑戰(zhàn)是如何在特定的場(chǎng)景中快速有效的建立起社會(huì)規(guī)范。在網(wǎng)絡(luò)化多主體系統(tǒng)中，由于參與主體具有自私性和推理學(xué)習(xí)能力，他們會(huì)根據(jù)在系統(tǒng)中獲得的收益以及獲取的其他局部信息（如鄰居的行為和收益等）來不斷調(diào)整自己的行為進(jìn)而優(yōu)化自己的收益，自下而上的涌現(xiàn)方式成為在多主體系統(tǒng)中建立社會(huì)規(guī)范的有效途徑。然而，在不同的網(wǎng)絡(luò)結(jié)構(gòu)和博弈沖突模型下，不同的

2、涌現(xiàn)機(jī)制會(huì)給主體提供不同的誘導(dǎo)信息，從而對(duì)社會(huì)規(guī)范的涌現(xiàn)結(jié)果產(chǎn)生非常大的影響。因此，針對(duì)不同的網(wǎng)絡(luò)結(jié)構(gòu)和博弈場(chǎng)景設(shè)計(jì)合適的社會(huì)規(guī)范涌現(xiàn)機(jī)制是本文研究的核心科學(xué)問題。
　　在對(duì)已有研究工作進(jìn)行總結(jié)的基礎(chǔ)上，本文針對(duì)環(huán)形網(wǎng)絡(luò)上的協(xié)同博弈、靜態(tài)網(wǎng)絡(luò)上的囚徒困境博弈、移動(dòng)網(wǎng)絡(luò)上的囚徒困境博弈以及網(wǎng)絡(luò)重復(fù)囚徒博弈四個(gè)問題場(chǎng)景，分別從策略更新規(guī)則、博弈矩陣調(diào)節(jié)機(jī)制和動(dòng)態(tài)網(wǎng)絡(luò)構(gòu)建機(jī)制三個(gè)緯度提出了相應(yīng)的社會(huì)規(guī)范涌現(xiàn)機(jī)制，并分別分析了涌現(xiàn)過程的微

3、觀機(jī)理，主要貢獻(xiàn)在于:
　　1)環(huán)形網(wǎng)絡(luò)因?yàn)槠渲睆阶畲?，所以最容易產(chǎn)生局部協(xié)同規(guī)范。由于現(xiàn)有的近視最優(yōu)反應(yīng)規(guī)則(MBR)、最高累積獎(jiǎng)勵(lì)規(guī)則、Q學(xué)習(xí)規(guī)則等多種機(jī)制都不能有效地促進(jìn)環(huán)形網(wǎng)絡(luò)上全局規(guī)范的涌現(xiàn)，本文提出了帶有冰凍期的最優(yōu)反應(yīng)規(guī)則(FBR)。個(gè)體在新采納一個(gè)新行為之后進(jìn)入冰凍期，冰凍期內(nèi)的個(gè)體以很大概率延續(xù)上一時(shí)刻的行為，以極小的概率采用傳統(tǒng)的MBR規(guī)則進(jìn)行策略更新。仿真結(jié)果和微觀分析表明，F(xiàn)BR規(guī)則可以使局部規(guī)范間的界面由

4、隨機(jī)游走過程變成有偏隨機(jī)游走，從而使得界面的擴(kuò)散率更高，在適中的冰凍期長度下能夠更快地促進(jìn)環(huán)形網(wǎng)絡(luò)上的全局協(xié)同規(guī)范的涌現(xiàn)。
　　2)以往的研究工作提出了多種策略更新規(guī)則和博弈矩陣調(diào)節(jié)機(jī)制來促進(jìn)靜態(tài)網(wǎng)絡(luò)上的合作規(guī)范的涌現(xiàn)，這些機(jī)制雖然可以使合作者在較大的參數(shù)空間內(nèi)在系統(tǒng)中存活，但通常無法保證全局合作規(guī)范的涌現(xiàn)。針對(duì)這一問題，我們提出了空間擴(kuò)展的費(fèi)米更新規(guī)則(N-FUR)和多博弈矩陣調(diào)節(jié)機(jī)制(MG)。在N-FUR規(guī)則中，個(gè)體使用學(xué)習(xí)對(duì)

5、象的收益和學(xué)習(xí)對(duì)象鄰居的平均收益的加權(quán)和作為學(xué)習(xí)對(duì)象的適應(yīng)度，這使得很小的合作者團(tuán)簇能夠在背叛者的海洋中存活并擴(kuò)張，從而提升全局合作規(guī)范涌現(xiàn)的臨界值。MG機(jī)制通過給系統(tǒng)中等比例的個(gè)體分配具有正值和負(fù)值的愚者收益(S)的博弈矩陣，可以首先提升采用正S矩陣的子群體中的合作水平，然后通過正S矩陣到負(fù)S矩陣的子群體的不對(duì)稱策略模仿流來提升群體的合作比例和社會(huì)總收益。
　　3)由于移動(dòng)網(wǎng)絡(luò)中不合理的移動(dòng)規(guī)則容易破壞合作者的團(tuán)簇，使得背叛者可

6、以容易地入侵合作者團(tuán)簇，從而不利于合作規(guī)范的涌現(xiàn)。針對(duì)這一問題，本文提出了度相關(guān)的矢量平均移動(dòng)規(guī)則(DVAM)。在該規(guī)則中，個(gè)體利用鄰居移動(dòng)方向的加權(quán)平均值來更新自己的移動(dòng)方向，其中度大的鄰居被賦予較大的權(quán)重。仿真和分析結(jié)果表明，該機(jī)制可以促進(jìn)系統(tǒng)更快的形成大合作團(tuán)簇，從而抵御背叛者的入侵，DVAM規(guī)則能夠比傳統(tǒng)的隨機(jī)移動(dòng)和矢量平均移動(dòng)規(guī)則更有效地促進(jìn)移動(dòng)網(wǎng)絡(luò)上的合作規(guī)范的涌現(xiàn)。
　　4)網(wǎng)絡(luò)重復(fù)博弈中個(gè)體的策略數(shù)會(huì)指數(shù)級(jí)增加，使

7、得現(xiàn)有的基于模仿的策略更新規(guī)則在該場(chǎng)景下會(huì)賦予個(gè)體太強(qiáng)的觀察和推理能力而不適用，而基于期望的學(xué)習(xí)規(guī)則和全局極值更新規(guī)則又不能促進(jìn)該場(chǎng)景下合作規(guī)范的涌現(xiàn)。針對(duì)這一問題，本文提出了局部化極值更新規(guī)則(LEUR)。在LEUR規(guī)則中，個(gè)體只和鄰居比較收益，當(dāng)自身收益在鄰域中最小時(shí)將其策略更新為隨機(jī)選擇的新策略。仿真結(jié)果和微觀分析表明，當(dāng)鄰域半徑為2時(shí)，系統(tǒng)中活躍個(gè)體數(shù)量和這些個(gè)體形成的小團(tuán)簇?cái)?shù)量最多，從而使得系統(tǒng)可以演化到平均收益最高的以牙還牙