[论文解读] 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 5

一句话总结

本研究通过囚徒困境博弈，探究了时间网络中合作演化的机制，发现时间性特征——尤其是中等程度的网络变化——比静态网络更能促进合作。研究进一步揭示，人类互动的突发性模式会抑制合作，并提出一种时间性度量方法，识别出合作出现的最优时间窗口。

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.

研究动机与目标

• 探究现实世界社交网络的时间动态、时变特性如何影响合作的演化。
• 确定与静态网络模型相比，时间网络是否促进或阻碍合作。
• 考察人类互动的突发性模式在塑造合作动态中的作用。
• 开发网络时间性的定量度量方法，并评估其对合作稳定性的影响。

提出的方法

• 通过将真实世界互动数据（如会议、办公室互动）按时间顺序聚合为时间快照，使用可变时间窗口 Δt 构建时间网络。
• 在每个快照上使用囚徒困境博弈模拟演化动力学，收益矩阵为 R=1, T=b>1, S=P=0。
• 在每个快照上演化种群 g 代，重复该过程直至收敛，总演化代数为 G=10^6。
• 比较时间网络与静态网络（对所有时间聚合）的合作频率。
• 应用随机化技术（RPTRE）对时间戳和边进行重排，以破坏突发性特征，同时保持网络结构不变。
• 定义并计算时间性度量 𝒯，以量化快照间网络结构的时间变化程度。

实验结果

研究问题

• RQ1 与静态网络相比，时间网络结构是否促进或抑制合作的演化？
• RQ2 人类互动的突发性特征如何影响社交网络中合作行为的稳定性？
• RQ3 是否存在一个最优的时间性水平，使合作频率达到最大？
• RQ4 互动的时间顺序——超越网络结构本身——在多大程度上影响合作结果？

主要发现

• 在所有实证数据集中，时间网络始终比静态网络更促进合作，合作频率随时间性增强而上升，直至达到最优点。
• 最优时间性水平——以聚合窗口 Δt 衡量——可使合作达到最大，表明中等程度的网络变化速率最有利于合作。
• 人类互动的突发性模式会抑制合作；通过随机化时间戳和边（消除突发性）可提高合作频率，表明时间相关性会阻碍合作。
• 时间性度量 𝒯 能够量化网络动态，并与合作水平显著相关，较高的 𝒯 值通常可增强合作，直至达到峰值。
• 合成网络实验表明，即使在保持网络拓扑不变的情况下，具有中等活跃模式的时间网络仍能增强合作。
• 突发性对合作的抑制作用在多个零模型和数据集中均表现稳健，表明其是一种根植于人类行为动态的普遍机制。