[论文解读] Winning isn't everything: Evolutionary instability of Zero Determinant strategies

Christoph Adami, Arend Hintze|arXiv (Cornell University)|Aug 13, 2012

Evolutionary Game Theory and Cooperation被引用 7

一句话总结

该论文表明，尽管零确定性（ZD）策略在重复囚徒困境中能够单方面控制对手的收益，但其在进化上是不稳定的，往往会演变为更具合作性的策略。尽管具备识别能力的ZD策略可实现稳定并实现剥削，但这种优势是暂时的，因为对手策略会随之演化出反制措施。

ABSTRACT

Zero Determinant (ZD) strategies are a new class of probabilistic and conditional strategies that are able to unilaterally set the expected payoff of an opponent in iterated plays of the Prisoner's Dilemma irrespective of the opponent's strategy, or else to set the ratio between a ZD player's and their opponent's expected payoff. Here we show that while ZD strategies are weakly dominant, they are not evolutionarily stable and will instead evolve into less coercive strategies. We show that ZD strategies with an informational advantage over other players that allows them to recognize other ZD strategies can be evolutionarily stable (and able to exploit other players). However, such an advantage is bound to be short-lived as opposing strategies evolve to counteract the recognition.

研究动机与目标

• 研究零确定性（ZD）策略在重复囚徒困境中的进化稳定性。
• 考察尽管ZD策略在收益控制方面占主导地位，其是否能在进化动态中持续存在。
• 评估信息优势（特别是识别其他ZD玩家的能力）在实现ZD策略长期稳定性方面的作用。
• 分析对手策略如何响应ZD识别机制，从而削弱其长期优势。

提出的方法

• 使用演化博弈论建模重复囚徒困境，以模拟多代中的策略动态。
• 从数学上将ZD策略定义为概率性、条件性策略，可单方面设定期望收益或收益比率。
• 引入识别机制，使ZD玩家能够区分其他ZD玩家与非ZD玩家。
• 在不同条件下模拟进化动态：有无识别机制，以及不同水平的策略突变率和选择压力。
• 利用收益矩阵和进化稳定性标准分析ZD策略的稳定性。
• 追踪能够利用或中和ZD识别能力的反制策略的出现与传播。

实验结果

研究问题

• RQ1 在重复囚徒困境的长期动态中，零确定性（ZD）策略是否具有进化稳定性？
• RQ2 当ZD策略具备识别其他ZD玩家的信息优势时，能否维持其主导地位？
• RQ3 对手策略如何响应ZD识别机制？此类优势的持续时间是多久？
• RQ4 在ZD策略具有强制性且进化不稳定的前提下，哪些条件可使其保持稳定？
• RQ5 在进化压力下，ZD玩家与对手之间的收益比如何变化？

主要发现

• ZD策略在收益设定方面具有弱主导性，但并非进化稳定，因其随时间推移会演变为更具合作性的策略。
• 具备识别其他ZD玩家能力的ZD策略可实现进化稳定，并能剥削非ZD对手。
• 识别其他ZD玩家的信息优势是短暂的，因为对手策略会演化出反制措施。
• 对ZD策略的进化压力导致其向更合作、更少剥削性的行为转变。
• 模仿ZD行为但避免被识别的策略会被选中，从而削弱剥削性ZD策略的长期可行性。
• 识别与反识别之间的动态博弈导致一场进化军备竞赛，最终使ZD主导地位趋于瓦解。