个体自私优化与群体学习
摘要：自私的学习者寻求最大化自己的成功，无视他人。 当成功以与另一个学习者进行对弈的收益来衡量时，相互的自私往往无法为一对个体产生最优的结果。 然而，学习者通常在群体中操作，每个学习者可能与任何其他个体有限时间的互动。 在这里，我们将稳定配对中的自私学习与人群中的随机相遇的自私学习进行比较。 我们研究基于梯度的优化在重复博弈（如囚徒困境）中的应用，这种博弈存在多个纳什均衡点，其中许多是次优的。 我们发现，当通过短暂的相遇在人群中分布时，目光短浅的自私学习可以扭转稳定配对中出现的动态。 特别是，在伴侣选择具有灵活性时，大型人群中的自私学习可以在重复的社会困境中产生最优的收益。 这个结果适用于整个人群，而不仅仅是一小部分个体。 此外，随着人群规模的增长，达到最优人群收益的时间尺度在每个个体的学习步骤数量上保持有限。 虽然与人群中的许多合作伙伴互动不一定会改善结果，但这种集体学习能够在几个重要的社会困境类别中实现最优性。 我们得出结论，天真的学习在个体间解决利益冲突的人群中可以出人意料地有效。
作者：Alex McAvoy, Yoichiro Mori, Joshua B. Plotkin
论文ID：2111.07776
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2022-07-07