[论文解读] Evolutionary game dynamics in phenotype space

Tibor Antal, Hisashi Ohtsuki+3 more|ArXiv.org|Jun 16, 2008

Evolutionary Game Theory and Cooperation参考文献 46被引用 138

一句话总结

本文提出一个演化博弈论模型，其中合作通过在随机混合群体中基于多维表型空间内距离的表型相似性而演化。关键结果是：当表型突变率较高而策略突变率较低时，合作将被自然选择所偏好，且在一维情况下，收益与成本之比的临界值为 $ b/c = 1 + 2/\theta $，从而在无空间结构的条件下实现合作。

ABSTRACT

Evolutionary dynamics can be studied in well-mixed or structured populations. Population structure typically arises from the heterogeneous distribution of individuals in physical space or on social networks. Here we introduce a new type of space to evolutionary game dynamics: phenotype space. The population is well-mixed in the sense that everyone is equally likely to interact with everyone else, but the behavioral strategies depend on distance in phenotype space. Individuals might behave differently towards those who look similar or dissimilar. Individuals mutate to nearby phenotypes. We study the `phenotypic space walk' of populations. We present analytic calculations that bring together ideas from coalescence theory and evolutionary game dynamics. As a particular example, we investigate the evolution of cooperation in phenotype space. We obtain a precise condition for natural selection to favor cooperators over defectors: for a one-dimensional phenotype space and large population size the critical benefit-to-cost ratio is given by b/c=1+2/sqrt{3}. We derive the fundamental condition for any evolutionary game and explore higher dimensional phenotype spaces.

研究动机与目标

• 理解如何通过利用表型相似性在无空间结构的随机混合群体中实现合作的演化。
• 建立个体根据表型距离调整策略的模型，以实现基于标签的合作。
• 推导出自然选择在该系统中更偏好合作者而非背叛者的确切数学条件。
• 将模型推广至任意两策略对称博弈，而不仅限于囚徒困境。
• 探讨表型空间维度（包括无限维情况）对合作演化的影响。

提出的方法

• 在一条一维格子上对个体进行建模，其表型在相邻值之间以速率 $ v $ 发生突变。
• 引入一种策略规则：合作者仅帮助表型距离在阈值以内的个体，而背叛者始终背叛。
• 应用共祖理论计算个体之间表型同一性的中性相关性，使用共祖时间 $ \tau $。
• 通过计算单个合作者在全为背叛者的群体中的固定概率，推导出合作的关键条件。
• 在高维空间中使用无限等位基因突变模型，其中每次突变产生唯一表型，并计算血缘关系概率（identity-by-descent）。
• 利用相关函数 $ z, g, h $ 和一般收益矩阵，推导出临界收益-成本比 $ (b/c)^* $。

实验结果

研究问题

• RQ1 在何种条件下，表型相似性能促成随机混合群体中合作的演化？
• RQ2 表型突变率与策略突变率之间的相互作用如何影响合作的演化？
• RQ3 在此模型中，合作者相较于背叛者的固定概率更高的精确数学条件是什么？
• RQ4 表型空间的维度如何影响合作的收益-成本比临界值？
• RQ5 当个体基于表型相似性相互作用时，合作是否可能在缺乏空间结构的条件下演化？

主要发现

• 在一维表型空间且种群规模较大时，合作的临界收益-成本比为 $ b/c = 1 + 2/\theta $，其中 $ \theta = \sqrt{3} $，即 $ b/c = 1 + 2/\sqrt{3} \approx 2.1547 $。
• 当表型突变率 $ \nu $ 较高时，合作最被偏好，且在 $ \nu \to \infty $ 时，$ b/c \to 1 $。
• 在无限维表型空间中，临界比值变为 $ (b/c)^* = \frac{\nu(3+2\mu+\nu) + (1+\mu)(3+\mu)}{\nu(2+\mu+\nu)} $，当 $ \nu \to \infty $ 时，该值趋近于 $ b/c \to 1 $。
• 对于囚徒困境，当 $ b/c > 1 + 2/\sqrt{3} $ 时，合作将被偏好，与一维结果一致。
• 在策略突变率趋近于零（$ \mu \to 0 $）的极限下，合作条件简化为 $ T - S < (R - P) \frac{(1+\nu)(3+2\nu)}{3+\nu} $，当 $ \nu \to \infty $ 时，该条件趋近于 $ R > P $。
• 该模型表明，合作可在随机混合群体中演化，其机制并非依赖于空间结构，而是通过表型标记与基于相似性的互动实现。