[論文レビュー] Evolution of Cooperation on Temporal Networks

Aming Li, Lei Zhou+4 more|arXiv (Cornell University)|Sep 24, 2016

Evolutionary Game Theory and Cooperation被引用数 5

ひとこと要約

本研究は、囚人のジレンマゲームを用いて、時間的変化するネットワークにおける協力の進化を調査し、特に中程度のネットワーク変化が、静的ネットワークよりも協力を促進することを示している。さらに、人間のインタラクションのバースト性は協力を抑制することが判明し、協力の出現に最適な時間窓を特定する時間的変動の測定法を提案している。

ABSTRACT

The structure of social networks is a key determinant in fostering cooperation and other altruistic behavior among naturally selfish individuals. However, most real social interactions are temporal, being both finite in duration and spread out over time. This raises the question of whether stable cooperation can form despite an intrinsically fragmented social fabric. Here we develop a framework to study the evolution of cooperation on temporal networks in the setting of the classic Prisoner's Dilemma. By analyzing both real and synthetic datasets, we find that temporal networks generally facilitate the evolution of cooperation compared to their static counterparts. More interestingly, we find that the intrinsic human interactive pattern like bursty behavior impedes the evolution of cooperation. Finally, we introduce a measure to quantify the temporality present in networks and demonstrate that there is an intermediate level of temporality that boosts cooperation most. Our results open a new avenue for investigating the evolution of cooperation in more realistic structured populations.

研究の動機と目的

• 現実世界の社会的ネットワークの動的で時間に依存する性質が、協力の進化に与える影響を調査すること。
• 時間的ネットワークが静的ネットワークモデルと比較して、協力を促進するか、妨げるかを特定すること。
• 人間のインタラクションのバースト性が協力ダイナミクスに果たす役割を検討すること。
• ネットワークの時間的変動を定量化する測定法を構築し、その協力の安定性への影響を評価すること。

提案手法

• 実世界のインタラクションデータ（例：会議、オフィス内）を集約し、時間順のスナップショットに変換することで時間的ネットワークを構築する。この際、時間窓Δtを変化させる。
• 各スナップショット上で、報酬行列R=1、T=b>1、S=P=0を用いた囚人のジレンマゲームを用いて進化的ダイナミクスをシミュレートする。
• 各スナップショットでg世代にわたって集団を進化させ、G=10^6世代にわたって反復し、収束まで繰り返す。
• 時間的ネットワークと、すべての時間にわたって集約した静的ネットワークとの間で、協力頻度を比較する。
• ランダム化技術（RPTRE）を適用し、タイムスタンプとエッジをシャッフルすることでバースト性を破壊しながら、ネットワーク構造を維持する。
• 時間的変動の度合いを定量化するための時間的変動測定法𝒯を定義し、計算する。

実験結果

リサーチクエスチョン

• RQ1 時間的ネットワーク構造は、静的ネットワークと比較して、協力の進化を促進するか、抑制するか？
• RQ2 人間のインタラクションのバースト性は、社会的ネットワークにおける協力的行動の安定性にどのように影響するか？
• RQ3 協力頻度を最大化する最適なネットワークの時間的変動レベルは存在するか？
• RQ4 ネットワーク構造そのもの以上の、インタラクションの時間的順序が、協力の結果にどの程度影響を与えるか？

主な発見

• 時間的ネットワークは、すべての実世界データセットにおいて静的ネットワークよりも協力を一貫して促進しており、時間的変動が増加するに従い協力頻度も上昇し、最適点に達する。
• 時間的変動の最適レベル（集約時間窓Δtで測定）が、協力頻度を最大にする。これは、中程度のネットワーク変化率が協力に最も適していることを示している。
• 人間のインタラクションのバースト性は協力を抑制する。タイムスタンプとエッジをランダム化することでバースト性を消失させると協力頻度が上昇し、時間的相関が協力に悪影響を及けることが示された。
• 時間的変動測定法𝒯はネットワークダイナミクスを定量化でき、協力頻度と強く相関しており、𝒯値が高いほど協力が促進されるが、ピークに達するまでに限る。
• 合成ネットワーク実験により、ネットワークトポロジーを維持したまま、中程度の活動パターンを示す時間的ネットワークでも協力が向上することが確認された。
• バースト性による協力の抑制は、複数のノンモデルおよびデータセットにわたり強く、人間行動ダイナミクスに根ざした一般化されたメカニズムであることが示された。