Альтернативна еволюція стратегій з пам’яттю
DOI:
https://doi.org/10.26565/2304-6201-2019-44-08Ключові слова:
еволюційне моделювання, дилема ув'язнених, стратегія, пам'ять, складністьАнотація
У рамках узагальненої «дилеми ув'язнених» розглянута еволюція популяції з повним набором стратегій поведінки, обмежених тільки глибиною пам'яті. При еволюції розглядається парна взаємодія стратегій, відповідно до ітерованої «дилеми ув'язнених». При цьому кожна стратегія взаємодіє з кожної, включаючи себе. Кожне наступне покоління популяції послідовно втрачає найбільш вигідні стратегії поведінки попереднього покоління. Показано, що збільшення пам'яті в популяції еволюційно вигідно. Переможці еволюційного відбору незмінно відносяться до агентам з максимальною пам'яттю. Вводиться поняття складності стратегії. Вводяться колективні змінні для отримання середніх показників спільноти стратегій та вивчається їх зміна із часом. Показано, що стратегії, які перемагають у природному відборі, мають максимальну або близьку до максимуму складність. Розглянуто альтернативну еволюцію спільноти стратегій, обмежених тільки глибиною пам'яті. У кожному поколінні видаляється зі спільноти стратегія, яка набирає максимальну кількість очок еволюційних переваг. Така альтернативна еволюція призводить до суттєвих змін спільноти в порівнянні із його звичайної еволюцією. У певному сенсі альтернативна еволюція, підтримує максимальну глибину пам'яті і складність навіть більшою мірою, ніж звичайна еволюція. Головна відмінність полягає в абсолютній агресивності стаціонарних стратегій одна щодо одної. Стаціонар формують максимально агресивні по відношенню одна до одної стратегії. Глибина пам'яті і складність стратегій, як і в звичайній еволюції, є еволюційно вигідними властивостями. Розглядається універсальний зв'язок між агресивністю популяції і кількістю очок еволюційних переваг, які отримує стратегія в середньому за хід. Універсальний зв'язок між середньою агресивністю і числом виплат на хід стратегії в середньому зберігається.
Посилання
J.W. Weibull, Evolutionary Game Theory. MIT Press, Cambridge, MA, 1993.
M.A. Novak, Evolutionary Dynamics. Cambridge, Massachusetts, 2006.
J.C. Claussen, Discrete stochastic processes, replicator and Fokker-Planck equations of coevolutionary dynamics in finite and infinite populations, Banach Center Publications 80, 17–31, 2008.
R. Axelrod, The Evolution of Collaboration, Basic Books, New York,1984).
V. M. Kuklin, A. V. Priymak, V. V. Yanovsky, “The influence of memory on the evolution of populations”. Visnik of the Kharkiv National University named after V. N. Karazin, series “Mathematical Modeling. Information technology. Automation of the control system, v.29, p.41-66, 2016. [in Russian]
V. M. Kuklin, A. V. Priymak, V. V. Yanovsky, “Memory and evolution of communities”, Visnik of the Kharkiv National University named after V. N. Karazin, series “Mathematical Modeling. Information technology. Automation and control systems”, v.35, p.38-60, 2017. [in Russian].
V.M. Kuklin, A.V. Priimak, V.V. Yanovsky, “Evolution of strategy communities with sources available”, Visnik of the Kharkiv National University named after V. N. Karazin, Series Mathematical “Modeling. Information technology. Automation and control systems”. v. 36, p. 68-84, 2017. [in Russian].
