从社会契约到气候协议,个人参与团体集体必须达到决策与不同程度的平等和公平。这些困境也弥漫分布式人工智能等领域的自动协商,解决冲突,或资源分配,旨在工程师自发的组织行为。著名的最后通牒游戏就是明证,申请人必须把资源响应者,payoff-maximizing结果经常与公平。诱发平等的利己主义的代理人需要明智的干预措施。在这里,我们使用了解代理商的社交网络来实现公平机制,在多人游戏的背景下最后通牒游戏。我们专注于基于网络的角色分配和证明申请人的作用归因于low-connected节点增加人口的公平水平。我们评估低度申请人分配的有效性考虑网络与不同的平均连接性,集团规模和组投票规则接受提案时(例如,多数或一致)。我们进一步表明低度申请人的任务是高效、优化不仅个人提供,而且人口的平均收益水平。最后,我们表明,(即严格的投票规则。,我米posing an accepting consensus as a requirement for collectives to accept a proposal) attenuate the unfairness that results from situations where high-degree nodes (hubs) play as Proposers. Our results suggest new routes to use role assignment and voting mechanisms to prevent unfair behaviors from spreading on complex networks.
公平对人类有深远的影响决策和个人经常喜欢公平的结果在payoff-maximizing的(
大多数这些作品,然而,忽略了这个事实,在很多情况下,提供在组织的背景下,而不是简单的两两交互作用。这样的谈判集体合同工作,环境联盟和决策(
捕获的一些困境与公平和回报最大化在这些团队之间的相互作用,可以采取多人扩展的最后通牒游戏(
多人最后通牒游戏的设置。申请人被选中后,一个建议<我nline-formula>
先前的研究与UG [
一个申请人应如何选择在一组,在多人最后通牒游戏,保证效率和公平?
事实上,个人通常是嵌入在网络使它重要的理解程度的网络关系和团体的组装方式影响整体公平,交流,合作。鉴于这种网络化的背景下,基于网络的角色分配标准可以用来最大化长期效率和公平?
在这里,我们介绍一个模型,基于进化博弈论(废气温度)
我们解决的问题在这个工作中的模型提出了解决把它们之间的接口机制公平系统的启发,多层讨价还价的交互,在复杂网络动力学,维持社会网络干预的结果。
一些最具挑战性的环境中引起公平涉及payoff-maximizing之间的权衡的结果和公平的结果。如上所述,UG [
之前的工作假设所有代理都有相同的概率的申请人或响应的作用。从混合(即。,all individuals are free to interact with everyone else) to complex networks, however, provides the opportunity to implement network-based role assignment that considers network measures. In this context, Wu et al. studied the pairwise UG in scale-free networks, with roles being attributed based on network degrees. The authors show that attributing the role of Proposer to high-degree nodes leads to unfair scenarios [
在这项工作中,我们使用一个多人游戏版本的UG(杯子)提出了
群体形成的例子和申请人选择基于学位。每个节点及其邻居交互定义一个组。在图中,节点<我nline-formula>
离开之前的作品,学习mba成对最后通牒游戏中的角色分配(
最后,这项工作中我们遵循的方法类似于测试网络干预社会好。几个作品研究复杂网络之上的社会困境和压力条件,在这种背景下,社会期望的结果(
这里,我们详细提出了进化博弈理论模型来评估mba角色分配的影响在公平杯。我们开始通过提供细节杯下的收益计算。
在双人UG,申请人有资源和需要提出一个部门一个响应者。游戏只有收益回报参与者如果响应方接受这个提议
杯子,提议由一个申请人<我nline-formula>
整体验收将取决于<我nline-formula>
我们假设杯子交互是在一个复杂的网络,这些人被分配节点和链接定义谁可以与人互动。后(
B一个模型(
以前的工作表明,锚节点被选中的概率为申请人或应答器的作用对进化程度有相当大的和重要的影响大小的建议在传统二人最后通牒游戏(
我们模拟的发展<我nline-formula>
在下面展示的数值结果获得结构化种群的大小<我nline-formula>
在每一个时间步(离散和异步),两个人<我nline-formula>
的参数<我nline-formula>
此外,与概率<我nline-formula>
初始化所有<我nline-formula>
为<我nline-formula>
为<我nline-formula>
/∗样本两个邻国的人口
如果<我nline-formula>
其他的模仿:
如果<我nline-formula>
我们运行该模型和记录的平均策略由代理在时间和在不同运行(从不同的初始条件,见材料和方法)。我们发现把申请人的作用(或低度节点<我talic>
低度申请人分配我talic>)增加的平均水平的建议,<我nline-formula>
人口的平均提议由代理,<我nline-formula>
我们也确认高度申请人分配会导致不平等(公平)的结果在一个人口。图
降低平均水平之上的提议的人口,<我nline-formula>
我们可以进一步验证的效果<我nline-formula>
选择高度节点作为提议的增加不公平。在此,我们代表所谓的洛伦茨曲线,通常用于计算基尼系数a典型衡量收入不平等。每个曲线是由订购个人增加收入的价值和策划相应的累积分布。曲线更接近完美的平等线(45°线)代表更加平等的结果。再次,在这里,我们观察申请人的角色分配给high-connected节点(<我nline-formula>
低度申请人分配不仅减少不公平,它也维持高效outcomes-taken更高价值的平均健身人群中观察到。在图
低度申请人分配最大化平均健身(即。笔支付接管所有的游戏,见图
最后,我们确认低度申请人分配最大化平均提议在人口(因此公平)在考虑网络具有更高<我nline-formula>
我们确认低度申请人分配最大化数量的平均水平的建议,<我nline-formula>
可以达到一个额外增加的直觉公平通过归因申请人低度节点的角色如果我们近似无标度网络的异构星形的结构(
两颗恒星动力学的公平,集中在中心节点<我nline-formula>
在本文中,我们解决一般的问题(1)决定如何讨价还价的角色在一个社交网络和属性,特别是,(2)理解不同的标准对新兴的影响水平多人最后通牒游戏的公平性。我们核实申请人的作用归因于低度节点提高公平性和整体健康。这一结论仍然适用于不同的网络结构(BA和DMS网络平均度从4到16)和交互场景(组大小和组的决策规则)。
我们也发现有高度危险的提议可以软化和严格的群决策规则。这意味着,无论何时<我nline-formula>
这项工作可以构成几个对社会和工程科学的延伸。在这里,我们考虑到角色分配是内生实施。在现实中,倾向于某些节点分配特定的角色可能与个人并肩发展策略,被另一个系统的自组织特性,如公平和财富分布。其他来源的异质性影响是公平的倾向,如文化(
最后,我们注意到,在这里我们考虑静态网络,很可能动态网络(
尽管有这些问题,我们目前的工作已经表明,仔细选择group-depending内每个代理的角色在他们的社会地位和不限制他们的可用选项可以提供一个长期的社会效益,无论是整体水平的公平、财富不平等,全球财富的人口组成的利己主义的代理人。
方法产生的数据支持本研究的结果中包括这篇文章。
初步版本的这项工作是在抽象的Proc. 20自治代理和可替换主体系统国际会议(AAMAS 2021)。
作者宣称没有利益冲突有关的出版。
这项工作是支持的部分FCT-Portugal(选答/ 50021/2020,PTDC MAT-APL / 6804/2020,和PTDC / CCI-INF / 7366/2020)。f·p·s·詹姆斯·s·麦克唐纳承认支持基金会博士后奖学金奖。