[논문 리뷰] Evolution of Cooperation on Temporal Networks

Aming Li, Lei Zhou외 4명|arXiv (Cornell University)|2016. 09. 24.

Evolutionary Game Theory and Cooperation인용 수 5

한 줄 요약

이 연구는 포로의 딜레마 게임을 사용하여 시간에 따라 변화하는 네트워크에서 협력의 진화를 조사하며, 특히 네트워크 변화의 중간 수준에서 정적 네트워크보다 협력이 더 잘 촉진된다는 것을 보여준다. 또한 인간의 돌발적 상호작용 패턴이 협력을 억제하며, 협력 발생에 최적의 창을 식별할 수 있는 시간성 측정법을 제안한다.

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.

연구 동기 및 목표

• 실제 사회 네트워크의 동적이고 시간에 따라 변하는 성격이 협력의 진화에 미치는 영향을 조사하는 것.
• 시간에 따라 변화하는 네트워크가 정적 네트워크 모델과 비교해 협력을 증진시키는지 또는 저해하는지 결정하는 것.
• 돌발적 인간 상호작용 패턴이 협력 다이내믹스에 미치는 역할을 조사하는 것.
• 네트워크 시간성의 정량적 측정법을 개발하고, 그 영향이 협력 안정성에 미치는 영향을 평가하는 것.

제안 방법

• 변동 가능한 시간 창 Δt를 사용하여 실세계 상호작용 데이터(예: 컫퍼런스, 사무소)를 시간순으로 정렬된 스냅샷으로 집계하여 시간에 따라 변화하는 네트워크를 구축한다.
• 각 스냅샷에서 포로의 딜레마 게임을 사용하여 진화적 동역학을 시뮬레이션하며, 보상 행렬 R=1, T=b>1, S=P=0를 사용한다.
• 각 스냅샷에서 g세대 동안 인구를 진화시되, 총 G=10^6세대 동안 반복하여 수렴할 때까지 진행한다.
• 시간에 따라 변화하는 네트워크와 그 정적 복합체(모든 시간에 걸쳐 집계된 것) 간의 협력 빈도를 비교한다.
• 시간순서와 간선을 무작위로 재배치하여 돌발성을 제거하면서 네트워크 구조를 유지하는 랜덤화 기법(RPTRE)을 적용한다.
• 스냅샷 간 네트워크 구조의 시간적 변동 정도를 측정할 수 있는 시간성 측정법 𝒯를 정의하고 계산한다.

실험 결과

연구 질문

• RQ1 정적 네트워크와 비교했을 때 시간에 따라 변화하는 네트워크 구조는 협력의 진화를 촉진하는가, 아니면 억제하는가?
• RQ2 인간 상호작용의 돌발성은 사회 네트워크에서 협력 행동의 안정성에 어떤 영향을 미치는가?
• RQ3 협력 빈도를 최대화하는 최적의 네트워크 시간성 수준이 존재하는가?
• RQ4 순수한 네트워크 구조를 넘어서 상호작용의 시간적 순서가 협력 결과에 얼마나 영향을 미치는가?

주요 결과

• 모든 실증 데이터셋에서 시간에 따라 변화하는 네트워크는 정적 네트워크보다 협력을 지속적으로 촉진하며, 시간성 증가에 따라 협력 빈도가 최적점까지 증가한다.
• 최적의 시간성 수준(집계 창 Δt로 측정)에서 협력 빈도가 최대가 되며, 이는 중간 수준의 네트워크 변화율이 협력에 가장 유리하다는 것을 시사한다.
• 돌발적 인간 상호작용 패턴은 협력을 억제한다; 시간순서와 간선을 무작위로 재배치함으로써 돌발성을 제거하면 협력 빈도가 증가하여 시간적 상관관계가 협력을 저해함을 보여준다.
• 시간성 측정법 𝒯는 네트워크 다이내믹스를 정량화하며 협력 수준과 강하게 상관관계를 가지며, 높은 𝒯 값일수록 일반적으로 협력 증가에 기여하지만 최고점 이후에는 감소한다.
• 합성 네트워크 실험을 통해 네트워크 위상이 유지되는 동안 중간 활동 패턴을 가진 시간에 따라 변화하는 네트워크에서도 협력이 향상됨을 확인하였다.
• 다양한 노멀 모델과 데이터셋을 통해 돌발성에 의한 협력 억제 현상은 견고하며, 인간 행동 다이내믹스에 뿌리를 둔 일반적인 메커니즘임을 시사한다.