[论文解读] Stable Cooperative Solutions for the Iterated Prisoner's Dilemma

Ethan Akin|arXiv (Cornell University)|Nov 5, 2012

Evolutionary Game Theory and Cooperation参考文献 8被引用 28

一句话总结

本文识别出一类马尔可夫策略——称为“良好策略”——通过确保长期平均收益等于相互合作的结果，从而在重复囚徒困境中稳定相互合作。这些策略构成纳什均衡，防止单方面背叛带来的收益，并通过降低双方收益来惩罚背叛行为，从而实现稳定合作。

ABSTRACT

For the iterated Prisoner's Dilemma, there exist Markov strategies which solve the problem when we restrict attention to the long term average payoff. When used by both players these assure the cooperative payoff for each of them. Neither player can benefit by moving unilaterally any other strategy, i.e. these are Nash equilibria. In addition, if a player uses instead an alternative which decreases the opponent's payoff below the cooperative level, then his own payoff is decreased as well. Thus, if we limit attention to the long term payoff, these \emph{good strategies} effectively stabilize cooperative behavior. We characterize these good strategies and analyze their role in evolutionary dynamics.

研究动机与目标

• 在长期平均收益标准下，识别在重复囚徒困境中稳定相互合作的策略。
• 描述当相互回报时，确保双方获得相互合作收益的马尔可夫策略。
• 证明这些策略对单方面偏离和背叛具有鲁棒性。
• 分析此类策略如何影响重复互动中的演化动态。

提出的方法

• 本文采用马尔可夫策略，其中玩家的行动仅取决于前一轮的结果。
• 将“良好策略”定义为当双方均使用时能获得相互奖励收益的策略。
• 证明在这些策略下，任何单方面偏离都无法提高玩家的长期平均收益。
• 引入一种条件：若某玩家将对手的收益降低至相互合作水平以下，自身收益也会相应减少。
• 使用博弈论分析建立这些策略的纳什均衡性质。
• 通过分析选择动态下的表现，研究此类策略的演化稳定性。

实验结果

研究问题

• RQ1 在长期平均收益标准下，能否通过马尔可夫策略在重复囚徒困境中实现稳定的相互合作？
• RQ2 “良好策略”是否构成纳什均衡，使得任何玩家都无法通过单方面偏离获益？
• RQ3 若某玩家单方面将对手的收益降低至相互合作水平以下，其自身收益将如何变化？
• RQ4 这些策略在演化动态下表现如何？
• RQ5 在何种条件下可确保相互合作既可强制执行又稳定？

主要发现

• “良好策略”是马尔可夫策略，当双方均使用时可保证获得相互奖励收益，且构成纳什均衡。
• 任何玩家都无法通过单方面切换至其他策略来提高其长期平均收益。
• 若某玩家将对手的收益降低至相互合作水平以下，其自身收益亦会减少，从而阻止背叛行为。
• 这些策略不仅通过均衡稳定性，还通过双方收益的相互依存关系来强制合作。
• 分析表明，此类策略在长期平均收益标准下具有演化稳定性。
• 本文确立了通过这些策略可在重复互动中稳健地稳定合作。