[論文レビュー] Evolutionary Extortion and Mischief: Zero Determinant strategies in iterated 2x2 games

Lars Roemheld|arXiv (Cornell University)|Aug 12, 2013

Evolutionary Game Theory and Cooperation参考文献 14被引用数 24

ひとこと要約

本稿は繰り返し2×2ゲームにおけるゼロデターミナント（ZD）戦略を調査し、相手に対して線形な報酬制約を強制することで、抑圧や悪ふざけを可能にする仕組みを示している。ZD戦略は純粋に合理的（無思考な経済的マクシマイザー）な相手に対しては搾取可能であるが、進化的な文脈では、Tit-for-Tat（TFT）のような協力戦略に対しては失敗し、初期の優位性にもかかわらず長期的には成功が制限されることが示された。

ABSTRACT

This paper studies the mechanisms, implications, and potential applications of the recently discovered class of Zero Determinant (ZD) strategies in iterated 2x2 games. These strategies were reported to successfully extort pure economic maximizers, and to mischievously determine the set of feasible long-term payoffs in iterated Prisoners' Dilemma by enforcing linear constraints on both players' expected average scores. These results are generalized for all symmetric 2x2 games and a general Battle of the Sexes, exemplified by four common games. Additionally, a comparison to conventional strategies is made and typical ZD gameplay simulations are analyzed along with convergence speeds. Several response strategies are discussed, including a glance on how time preferences change previous results. Furthermore, a possibility of retaliation is presented: when maximin scores exceed the minimum symmetric payoff, it is possible to extort the extortioner. Finally, a summary of findings from evolutionary game theory shows that mischief is limited by its own malice. Nevertheless, this does not challenge the result that mindless economic maximization is subject to extortion: the study of ZD strategies reveals exciting new perspectives and opportunities in game theory, both evolutionary and classic.

研究の動機と目的

• ゼロデターミナント（ZD）戦略が繰り返し2×2ゲームにおいて果たすメカニズムと戦略的意味を分析すること。
• プレイヤーのジレンマに限らない対称的2×2ゲームや「性別戦争」へのZD戦略の一般化を試みること。
• ZD戦略の進化的安定性を評価し、Tit-for-Tat や All Defect といった標準的戦略とのパフォーマンスを比較すること。
• 報復戦略の調査、特に相手の最大最小報酬がZD抑圧者を上回る場合の反撃の可能性。
• 特に集団動態と突然変異の下で、ZD戦略の進化的文脈における限界を評価すること。

提案手法

• メモリ1のマルコフ過程と報酬制約を用いてZD戦略を導出し、プレスとダイソンの枠組みを一般化する。
• 線形報酬制約を適用して、プレイヤー間の期待平均報酬の間の特定の関係を強制する。
• Javaベースのマルコフ連鎖モデルを用いて繰り返し2×2ゲームをシミュレートし、収束速度と長期的結果を分析する。
• トーナメント形式のシミュレーションを通じて、ZD戦略をTFT、AllD、AllC、ランダマイザーなどの標準戦略と比較する。
• 集団内での存在割合のダイナミクスを用いて進化的安定性を評価し、ZD戦略とインクルーデント戦略が共存する均衡頻度を解く。
• 無限に繰り返されるゲームにおける実現可能な報酬集合の分析のため、ZD戦略をフォーク定理の枠組みに統合する。

実験結果

リサーチクエスチョン

• RQ1 ZD戦略は対称的2×2ゲームにおいて、相手に対してどのように線形報酬制約を強制するか？
• RQ2 ZD戦略は、繰り返しゲームにおいて、純粋に合理的（無思考な経済的マクシマイザー）な相手を効果的に抑圧できるか？
• RQ3 ZD戦略は、Tit-for-Tat などの協力戦略と競合する際、進化的にどの程度のパフォーマンスを示すか？
• RQ4 ZD戦略が報復可能となる条件は何か、特に相手の最大最小報酬がZD抑圧者の最小報酬を上回る場合に限る。
• RQ5 時間的好みと突然変異ダイナミクスは、進化的文脈におけるZD戦略の安定性と成功にどのように影響を与えるか？

主な発見

• ZD戦略は相手に対して線形報酬制約を強制でき、報酬の不釣り合いな配分（例：過剰な報酬の確保）を可能にする抑圧や、実現可能な報酬集合の制御（悪ふざけ）を可能にする。
• 進化的文脈では、ZD戦略は自分自身と対戦する際、Tit-for-Tat（TFT）に劣り、TFTは自分自身に対して協力の報酬Δを達成するが、ZDはそれより低い報酬を達成する。
• ZD戦略は「無知」な戦略（例：AllU）の集団に侵入可能だが、ZD同士の対戦が増えるにつれて自身の平均報酬が低下し、結果としてZDの集団内割合ω < 1で安定的共存が成立する。
• ZD戦略の均衡集団内割合ωは、ZD戦略とインクルーデント戦略の報酬をバランスさせる方程式系を解くことで決定され、ZDの成功は条件的かつ限定的であることが示された。
• インクルーデント戦略の最大最小報酬がZD抑圧者の最小報酬を上回る場合、報復が可能となり、抑圧者の優位性が損なわれる。
• 無思考なマクシマイザーに対しては強力であるが、ZD戦略は自分同士で相互に裏切りを起こし、TFTのようなより協力的で安定した戦略の存在により、進化的には不安定である。