诱发N-Player网络游戏通过mba角色分配的公平

文摘

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.

1。介绍

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(1]。这已经被证明通过行为实验中,经常使用著名的最后通牒游戏(UG) [2]。在UG,申请人决定如何分配给定资源响应器。游戏只有收益回报与拟议中的资源分配参与者如果响应方接受这个提议。人类建议者倾向于牺牲他们的一些分享通过提供高的建议,而反应往往喜欢赚什么而不是接受不公平的分歧。这些违反直觉的动机的几个实验室实验结果和理论模型,旨在证明,数学和经验,在人类行为的出现和维护公平的意图(3- - - - - -7]。

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(8),人权公约,集体保险(9),采用监管框架(例如,在使用技术(10]),当地能源社区之间的灵活性交换(11),或简单的调度会见几个参与者,以及其他可能的场景。公平和讨价还价的困境发生在团体中,集团决定摆脱每个组合的评估视为一个公平的报价。同样,在工程应用中基于人工智能和多重代理系统,公平问题是很重要的领域,超越两两交互。自治代理参加组交互结果之间必须决定可能每个支持一个不同的组的一部分。这些域的例子有自动谈判(12,解决冲突13),或多人资源分配14]。

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(15(杯)(见图1)。在这里,一个提议是由一群的申请人急救员,集体决定接受或拒绝它。在成对UG,申请人的策略, ,是资源的一部分提供反应者;每个响应者的策略 , ,之间的个人阈值用于决定是接受和拒绝(5,6]。组织决定接受和拒绝的提议通过个人接受阈值的函数, 。组接受取决于决策规则:如果接受的分数等于或超过最低分数的接受反应者, ,建议接受。在这种情况下,申请人使她没有提供什么( )报价是除以Responders-each接收 。如果接受的分数仍低于 ,组的提议被拒绝,没有人获得任何东西。在UG,子博弈完美均衡杯子由一个非常低的值的建议和非常低的值的阈值(16]。

先前的研究与UG [4- - - - - -7,17)和杯(15,18,19]假设申请人的角色和响应者是由于均匀概率分布:每个代理都有相同的概率被选中作为申请人。这些假设自然与现实格格不入。在现实的最后通牒游戏中,被申请人或响应方取决于特定代理的特征。提议,如雇主、投资者、拍卖最早的行动者,和发达国家的特权地位的建议提供物质资源来决定。这个有利的角色是臭名昭著的,如果再一次,一个认为回报部门的理论预测在UG (子博弈完美均衡)提出,提议将保持资源的最大份额划分。提议的优点更明显的提案时组织,作为急救员需要把offers-thus增加之间的收益差距单身申请人和急救员。在这多人情况下,惩罚建议者越来越难:任何试图惩罚不公平提供了只有有效的如果有一个成功的集体agreement-amongst人员牺牲个人利益和拒绝报价。声称这两个角色是不对称的,所以应该分配的标准,导致我们两个主要问题:(我)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?(2)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)20.,21)和复杂的网络,接近前面的问题。我们分析多人最后通牒游戏在异构的复杂网络通过网络centrality-based角色分配。网络是异构的事实让我们测试几个节点属性和中心措施基础标准定义如何选择提议的在一组。我们专注于学位中心。我们发现选择低度建议者抒发公平的提供和增加了整体健身人群中(平均收益)。

1.1。相关工作

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 [2)已经基本交互范式研究这种困境。在这种背景下,声誉(5)和随机效应(7)被确定为机制,证明公平行为。页面等人发现,在空间环境中,公平的建议成为集群的个人提出高提供了能够生长[6]。在交互网络领域,德容等人得出的结论是,无标度网络允许代理实现公平的协议;重新链接也增强了代理商的能力达到公平的结果(4]。游戏类似于UG假定反应无法拒绝任何建议和提议的关于资源部门单方面决定。这导致了所谓的独裁者游戏。在这种背景下,声誉和基于合作伙伴选择机制也被确认为驱动程序公平的建议(22]。

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 [23]。同样,邓小平等人研究了角色分配学位的基础上,认为mba角色分配的影响取决于战略更新的机制(24]。当考虑成对比较基于累积回报和社会学习(正如我们在目前的工作),人口增长的贡献水平低的耦合度个体是否具有更高概率的独裁者。同时考虑成对工作最后通牒游戏。

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15]。其他形式的多人最后通牒游戏可以在找到19,25,26]。桑托斯等人研究了复杂网络的背景下,这个游戏显示公平是增强每当网络的游戏,让代理商互相施加足够的影响,通过不断参与彼此的相互作用组。作者还发现,严格的组织决策规则(即。、高在杯子)允许公平策略进化杯子。在这里,我们使用网络来定义群体形成建议在前面提到的工作(最初在27])和例证,如图2。

离开之前的作品,学习mba成对最后通牒游戏中的角色分配(23,24),我们专注于一个多人游戏。正如前面提到的,这个版本突出了申请人和应答器角色之间的不对称。相比之下UG,杯子提议可能会接收到一个更高的回报比每个响应者后者必须自己分裂之间的任何接受报价。此外,为了惩罚不公平杯提议,自然反应者必须作为一个整体行动可能要求额外的协调机制。同时,在与23,24),我们将研究基于网络的角色分配不同的投票机制;我们表明,每当高度连接节点是自然候选人扮演申请人的角色,更加严格的投票规则(即。,接受集体共识要求接受一个提议)减弱紧急的不平等水平。

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(28- - - - - -31日]。在这个领域中,我们应当强调最近的一项工作,雇佣EGT-as我们本论文研究干预措施,旨在维持合作复杂网络(32]。作者总结说,当地干预,即。,based on information about the neighborhood of the affected node, outperform global ones. A similar conclusion is presented in [28]。

2。材料和方法

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。

2.1。多人最后通牒游戏

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2]。给定一个申请人与策略 和应答策略 ,申请人的回报收益 应答器,

杯子,提议由一个申请人反应者,必须单独拒绝或接受他们(15,18]。自5个人行为作为建议者和急救员(概率取决于节点特征),我们假设每个实行战略( , )。在申请人,个人提供急救员。救援人员将单独接受或拒绝提供自己的作为一个阈值:如果报价等于或大于(例如, ),个人接受提议。否则,响应者拒绝这一提议。我们可以认为最低分数,一个人是愿意接受,相对于最大的获得作为一个应答器在一定规模。或者,我们可以假定个人忽视组的大小,因此,当面对一个提议,他们必须法官的绝对值,建议(一个解释,还持有如果我们假设个人关心整个集团收益)。

整体验收将取决于 ,反应的最低分数,必须接受报价之前是有效的。因此,如果个人接受站的分数 ,报价将被拒绝。否则,将被接受。在这种情况下,申请人将继续自己和集团将分享剩余的席位;即,每个响应者 。如果这个提议被拒绝,没有人获得任何东西。在一起,在一组的大小1申请人组成的策略 和反应者与策略 ,由申请人的回报 在哪里亥维赛阶跃函数,等于1时 和评估为0时 。任何应答器组收益率的回报

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(27,33),每一个社区特征n人游戏,这样个人的个人健身(或成功)是由游戏产生的成果集中在加上游戏集中在她的直接邻居。我们提供一个这样的群体形成图可视化表示2。异质性程度将创建几个形式的多样性,作为个体面临着不同数量的集体困境取决于他们的学位(社会地位);组,比赛也可能有不同的大小。介绍了这种多样性通过考虑两种类型的无标度网络。一个生成Barabasi-Albert算法(BA)的增长和优先连接(34导致一个幂律度分布,在邻近的节点的度高度相关,低聚类系数。聚类系数提供了一个衡量的可能性找到三角形图案,或者在社会环境中,一个给定节点的两个朋友的可能性也彼此的朋友,在公平的背景下的拓扑属性相关性和n人游戏33]。在第二种情况下,我们考虑Dorogovtsev-Mendes-Samukhin (DMS)模型(35),表现出相同的幂律度分布,然而大值的聚类系数。

2.2。网络的生成

BA模型(34),在每个时间步,网络增长通过添加一个新节点和连接米已经在网络其他节点。这些连接概率,根据节点的程度与:有更高程度的概率增加获得一个新的连接。这个过程导致了异构度分布,年长的节点变得高度(创建所谓的连接中心)。这是两个过程——的结合增长和优惠附件。DMS模型(35),在每个时间步,添加一个节点;而不是选择其他节点连接,随机选择一个现有的边缘和边缘连接的两端。DMS模型生成的网络聚类系数高于那些与BA模型,结合高集群和高非均质性描述现实世界的社交网络。

2.3。基于网络的角色选择

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(23,24]。考虑到多人最后通牒游戏,然而,打开空间研究组织之间的相互作用特点(如组大小)和基于网络的标准来选择建议者完全未知的方向。到目前为止,我们假设节点将会被提议的根据他们的学位。因此,在一组个人,每个个体有学位 ,的概率选定的申请人是吗 ,在哪里选择控制的影响程度上的作用。选择一个节点作为申请人,剩下的扮演反应者。

2.4。演化动力学

我们模拟的发展和在一个人口规模 ,比大小 。最初,每个人都有价值和来自一个离散均匀概率分布区间 。健身一个人的的程度是由产生的回报的游戏实例发生在 组:一个以自己为中心+其他集中在每一个她邻居(见图2)。的值和作为个体倾向于模仿(即发展。,复制和 )邻居们获得更高的健身价值。

在下面展示的数值结果获得结构化种群的大小 。也获得了类似的结果 。正如前面提到的,我们认为网络生成与英航和DMS算法,平均程度 。模拟发生的 代,考虑到在每一代中,所有的个人(平均)通过模仿一次机会修改他们的策略。

在每一个时间步(离散和异步),两个人和(邻居)从人口中选择。考虑到杯子的组织设置,选择从一个邻居的吗 。个人健身计算的累计回报所有可能为每一个组织,提供的底层结构(每组中,申请人或响应的作用是选择后的结果);随后,复制的策略用一个概率这是一个单调递增函数的健身作用 ,两两比较后更新规则: (36]。

的参数指定选择压力( 代表中性漂移, 代表纯粹的模仿确定性动力学)。模仿是近视:的价值和复制将遭受扰动由于错误的看法,这样的新参数 和 ,在哪里和均匀分布随机变量的区间 。这个特性不仅(我)模型略有模糊感知也(2)有助于避免策略和(iii)的随机灭绝确保一个完整的勘探战略的光谱。保证新和不低于0比1或更高,我们实现反射边界在0和1。突变的替代选择运营商在未来测试包括突变来自正态分布考虑吸收边界(37]。

此外,与概率 ,模仿不会发生和个人将采取随机的值和 ,来自一个均匀分布 。这可以代表随机策略的采用现有球员的个人或低被新的取代天真的球员。我们使用 , ,和 在这工作。不同的影响类似于一个验证什么时候改变 :整体增加随机性导致更高的机会公平提供(如[7,15])。对于每个参数的组合,模拟是重复100次(10倍使用10个不同的网络从每个类研究),而每个模拟从一个人口,个人分配的随机值和统一来自 。我们提供的摘要算法修改代理的策略算法1。的平均值p,问,f(用 , ,和 )获得时间和总体均值,接管所有的运行(考虑到最后吗代,无视最初的瞬态阶段)。

3所示。结果与讨论

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(或低度节点低度申请人分配)增加的平均水平的建议, ,采用自适应代理的人口。这意味着之间的收益差距提议的反应减轻。图3显示为低( ),我们获得更高水平的平均建议在考虑英航(低聚类系数)和DMS(高聚类系数)网络。我们观察一个急剧下降的平均建议当申请人和应答器的作用是由于,无论个人的程度( )。low-proposal趋势是保持如果申请人的角色分配给高度节点( )。

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4描述个人的平均回报收益一定程度。我们可以观察到, ,高度节点获得的回报值远高于低度节点。这种情况如果个人改善程度有更大的几率较低成为提议(低 )在一个较低的程度上,如果更多的救援人员必须接受一个提议为了被接受(更高 ,(d-f)在图4)。

我们可以进一步验证的效果在通过所谓的公平洛伦茨曲线(38),通常用于计算基尼系数(39),量化的收入不平等。在图5,我们代表了洛伦茨曲线与不同角色分配规则( )和投票规则, 。每个曲线是由订购个人增加收入的价值策划相应的累积分布。曲线更接近完美的平等线( )代表了一个更加平等的资源分配和基尼系数较低。当我们确认图5,最不平等的结果(高基尼)获得了更高 。我们进一步确认,当修复 ,有严格的投票规则(高 ;在这种情况下, )变弱有关联的不公平提议的中心。

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6我们确认值低最大化的平均健康人群。这发生在考虑不同的异构网络平均度( )和群体决策规则( )。这种效应更明显在考虑更集团决策规则(即低 ,意味着更少的人员必须接受一个提议的组接受它)和较高的网络 。

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因此,更大的平均大小。如图7传达,值越高的平均提议, ,获得了 。尽管,我们能够找到参数空间的依赖在似乎影响(我)的平均连接网络)因此组的平均大小杯子的演奏,(二世)特定的值 。同时,我们确认增加增加所有的值 。我们的研究结果表明,提供第一步低度节点平衡的自然权力高度连接节点在无标度网络,导致显著增加在全球水平的公平。有趣的是,我们也发现,特定的投票规则( )能够减弱的负面影响高吗(例如,privileged high-degree nodes being selected to be Proposers) on fairness.

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(27]。为简单起见,让我们考虑两个中心(和 ,与学位 )两颗恒星的中心,每个都有两个普遍的值(高绿星, ,和低蓝色恒星, )(见图8)。在这个配置中,我们可能会问哪些策略(或 )会获胜。,我们注意到,在每一个明星,本地策略的中心可能会获胜,从而我们关注战略入侵沿着边缘连接中心(红/厚链接);我们进一步假设特点是高价值的比( )。问题是将的总收益的影响和(和 ,分别),这样在高 可能是模仿( )和在低 可能是模仿( )?答案是肯定的,如果高度节点优先选为提议的(高 ),的总回报和减少的价值描述他们的明星,和 ,分别。因此,如果 ,很可能被模仿的导致减少的平均值在两颗恒星(框1)。相反,如果高度节点作为反应者(低优先选择 ),的健身和将会增加和 ,分别。因此,中心与明星相关的暴露的更高p可能会模仿,如果 ,意味着会模仿 ;的平均值p两颗恒星从而增加(2盒)。这个直觉取决于假设所有接受,只是如此 或 对所有节点。如果低建议增加,它是更难得到他们需要接受更多的接受反应验证它的贡献提高整体和公平的建议(15,33]。这直觉仍然是有效的,如果这样的异构结构描述了一个高聚类系数(例如,当树叶的星形的社区是相互联系的),提供一个额外的直觉为什么DMS和BA网络模型提供了类似的结果。

4所示。结论

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,无论何时高,可以默认,不能降低(例如,中心通过所需的资源是先行者在讨价还价的情况下),可以减少不公平实施的提案需要验证的大部分反应者。的影响在诱发公平提供了类似于发现在最近的文献[15,18]。通过考虑一个更高 ,需要更多的接受反应者为了提议被接受;因此,不公平的提议(即更难。,采用低 )接受他们的建议,增加他们的回报通过保持最大的初始禀赋和自己。因此,有一种倾向对普通人群中, ,增加。同时,我们的结果符合作品显示选择低度建议者最大化公平在成对的背景下最后通牒游戏(23)和独裁者游戏(24]。这里,我们确认机制贡献通过自适应角色分配公平的成对UG可能扩展到多人最后通牒游戏,设置,相关工作(如前所述)之间的回报不对称建议者和反应加剧;角色分配的扩展分析杯允许覆盖n人交互,重要的是,测试投票机制如何抑制特定的角色分配的影响。

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(40和社会经济41)设置或个人参与机构(42),可能会进一步影响到角色和权力依赖项(43被分配。此外,基于网络的角色分配引发的公平,而复杂的场景,多人games-suggests讨价还价,这种方法也可以用在更广阔的背景积极干预旨在促进公平的混合种群由人和机器(18,44- - - - - -46]。在这种情况下,这将是有关评估实验,通过数值simulations-the影响人类决策的动态虚拟监管机构决定所采取的角色组同行,这取决于他们的立场在交互结构。

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(47- - - - - -50)可以提供额外的对学位意味着随着时间的推移和角色成为相关。例如,如果公平的提议(或宽松的急救员)吸引更多的邻居,他们的程度会增加他们的角色和策略的副产品,这可能意味着有效的值可能会出现的共同进化策略和社会关系。

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。

数据可用性

方法产生的数据支持本研究的结果中包括这篇文章。

信息披露

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)。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

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。

引用

1. 大肠Fehr和美国fischbach,“人类利他主义的本质。”自然,卷425,不。6960年,第791 - 785页,2003年。视图:出版商的网站|谷歌学术搜索
2. w·古思,r . Schmittberger b“,“最后通牒讨价还价的实验分析,经济行为与组织杂志》上,3卷,不。4、367 - 388年,1982页。视图:出版商的网站|谷歌学术搜索
3. c·f·卡默勒在战略互动行为博弈论:实验美国新泽西州普林斯顿大学,普林斯顿大学出版社,2011年。
4. 美国德容、美国Uyttendaele和k . Tuyls”学习达成协议在一个连续的最后通牒游戏中,“人工智能研究杂志》上33卷,第574 - 551页,2008年。视图:出版商的网站|谷歌学术搜索
5. m·a·诺瓦克,k·西格蒙德·k·m·卡尔“公平与理性在最后通牒游戏中,”科学(纽约,纽约),卷289,不。5485年,第1775 - 1773页,2000年。视图:出版商的网站|谷歌学术搜索
6. k页面,a . n .马丁和卡尔,“空间最后通牒游戏,”英国皇家学会学报》上,卷267,不。1458年,第2182 - 2177页,2000年。视图:谷歌学术搜索
7. d·g·兰德,c, e . Tarnita h . Ohtsuki m·a·诺瓦克,“进化的公平一次性匿名在最后通牒游戏中,“美国国家科学院院刊》上,卷110,不。7,2581 - 2586年,2013页。视图:出版商的网站|谷歌学术搜索
8. b·斯科特,环境和治国之道:环境制定条约的战略:战略环境条约英国牛津,牛津大学出版社,牛津,2003年。
9. f·p·桑托斯·j·m·帕切科f·c·桑托斯和s a·莱文“非正式风险分担集体动力学指数保险,“自然的可持续性,4卷,2021年。视图:出版商的网站|谷歌学术搜索
10. t·l·m·佩雷拉f·c·桑托斯Lenaerts et al .,“规范与否:理想化的社会动力学分析人工智能比赛,”人工智能研究杂志》上卷,69年,第921 - 881页,2020年。视图:谷歌学术搜索
11. f·p·桑托斯·d·克·布洛姆伯根,“公平在多人最后通牒游戏通过温和的应答器选择,”人工生命的18学报》上麻省理工学院出版社,页187 - 194年,东京,日本,2019年7月。视图:出版商的网站|谷歌学术搜索
12. n·r·詹宁斯p . Faratin a . r . Lomuscio美国帕森斯·m·j·里奇和c·塞拉”自动谈判:前景,方法和挑战。”群体决策和谈判,10卷,不。2、199 - 215年,2001页。视图:出版商的网站|谷歌学术搜索
13. a R普里切特和安东尼,“分散飞机解决冲突,谈判”IEEE智能交通,19卷,不。1,第91 - 81页,2017。视图:谷歌学术搜索
14. y Chevaleyre, p·e·邓恩,endris et al .,“资源分配的问题,”Informatica,30卷,2006年。视图:谷歌学术搜索
15. f·p·桑托斯·c·桑托斯a . Paiva和j·m·帕切科”演化动力学组织公平。”理论生物学杂志》上卷,378年,第102 - 96页,2015年。视图:出版商的网站|谷歌学术搜索
16. f·p·桑托斯·c·桑托斯f·s·梅洛,a . Paiva和j·m·帕切科”动态组织公平的自主学习代理”自治代理和多主体系统:奥斯曼和c·塞拉。,Lecture Notes in Computer Science, pp. 107–126, Springer, Cham, Switzerland, 2016.视图:谷歌学术搜索
17. g . Ichinose和h峡山,“进化不完全公平的最后通牒游戏,”科学报告,4卷,不。1,p。5104年,2014。视图:出版商的网站|谷歌学术搜索
18. f·p·桑托斯·j·m·帕切科a . Paiva f·c·桑托斯,“集体公平在混合种群的进化的人类和代理商,“在人工智能程序AAAI会议33卷,第6153 - 6146页,2019年。视图:出版商的网站|谷歌学术搜索
19. h . Takesue a小泽,Morikawa说道,“进化的偏袒和组共赢三人最后通牒游戏公平,”EPL (Europhysics字母),卷118,不。4 p。48002年,2017年。视图:出版商的网站|谷歌学术搜索
20. k . Tuyls美国帕森斯,“学习进化博弈理论告诉我们什么,”人工智能,卷171,不。7,406 - 416年,2007页。视图:出版商的网站|谷歌学术搜索
21. w•约尔进化博弈理论美国马剑桥,麻省理工学院出版社,1997年。
22. Zisis, s . Di Guida t·a·汉g . Kirchsteiger和t . Lenaerts“慷慨出于acceptance-evolutionary期待游戏的分析,“科学报告,5卷,p。18076年,2015年。视图:谷歌学术搜索
23. f . t . Wu傅、张y和l .王”自适应角色转换促进公平在网络化的最后通牒游戏中,“科学报告,3卷,1550页,2013年。视图:出版商的网站|谷歌学术搜索
24. 问:刘邓x, r . Sadiq, y邓小平,“角色分配的影响在不同的人群在进化的独裁者游戏中,“科学报告,4卷,不。1,p。6937年,2014。视图:出版商的网站|谷歌学术搜索
25. 大肠Fehr和k·m·施密特”公平理论、竞争和合作,”经济学季刊,卷114,不。3、817 - 868年,1999页。视图:出版商的网站|谷歌学术搜索
26. 诉格林,r . Feicht、h·劳和g .斯蒂芬“配额和决策规则的影响在集体讨价还价的最后通牒,”欧洲经济评论卷,100年,第192 - 175页,2017年。视图:谷歌学术搜索
27. f·c·桑托斯·m·d·桑托斯和j·m·帕切科”社会多样性促进合作在公共物品游戏的出现,“自然,卷454,不。7201年,第216 - 213页,2008年。视图:出版商的网站|谷歌学术搜索
28. ibsen Pinheiro f·l·f·p·桑托斯,“当地财富再分配系统的促进合作,”学报AAMAS 18,页786 - 794,斯德哥尔摩,瑞典,2018年7月。视图:谷歌学术搜索
29. 马r和c a萨勃拉曼尼亚”,维持合作网络:一个基于进化博弈理论,分析研究”学报AAMAS”12瓦伦西亚,页913 - 920年,西班牙,2012年6月。视图:谷歌学术搜索
30. b . Ranjbar-Sahraei d·克·布洛姆伯根k . Tuyls g . Weiss,“进化在任意复杂网络的合作,”学报AAMAS 14,页677 - 684年,巴黎,法国,2014年5月。视图:谷歌学术搜索
31. 萨拉查,j . a . Rodriguez-Aguilar洛杉矶约瑟,a . Peleteiro和j·c . Burguillo-Rial“新兴复杂网络上的合作,”学报AAMAS”11,页669 - 676,台北,台湾,2011年5月。视图:谷歌学术搜索
32. 林奇,l . Tran-Thanh f·c·桑托斯et al .,“培养结构化种群通过当地和全球合作干扰策略,”二十七学报》国际联合会议上人工智能斯德哥尔摩,瑞典,2018年7月。视图:谷歌学术搜索
33. f·p·桑托斯·j·m·帕切科a . Paiva f·c·桑托斯,“结构性权力和集体公平在社交网络的发展,“《公共科学图书馆•综合》,12卷,不。4篇文章ID e0175687 2017。视图:出版商的网站|谷歌学术搜索
34. A.-L。巴巴斯和r·阿尔伯特”出现随机网络的扩展,“科学,卷286,不。5439年,第512 - 509页,1999年。视图:出版商的网站|谷歌学术搜索
35. s . n . Dorogotsev j·f·f·门德斯,a . n . Samukhin”尺度依赖的程度分布的无尺度网络增长。”物理评论E-Statistical物理、等离子体、液体和跨学科主题相关,63卷,2001年。视图:谷歌学术搜索
36. a .特劳尔森m·a·诺瓦克和j·m·帕切科“随机动态入侵和固定的,”物理评论。E、统计、非线性和软物质物理学,卷74,不。1,文章ID 011909, 2006。视图:出版商的网站|谷歌学术搜索
37. 美国布洛克,“调情圣手?理解和想象突变偏见。”人工生命的进步施普林格,柏林,德国,2001年。视图:出版商的网站|谷歌学术搜索
38. m·o·洛伦兹”方法测量的浓度的财富。”美国统计协会的出版物,9卷,不。70年,第219 - 209页,1905年。视图:出版商的网站|谷歌学术搜索
39. c·基尼”,衡量收入不平等的,”经济日报没有,卷。31日。121年,第126 - 124页,1921年。视图:出版商的网站|谷歌学术搜索
40. h . Oosterbeek r . Sloof, g . Van De Kuilen”文化差异在最后通牒游戏中实验:证据从荟萃分析,“实验经济学,7卷,不。2、171 - 188年,2004页。视图:出版商的网站|谷歌学术搜索
41. k .保罗·m·w·克劳斯c·史蒂芬·d·特纳,b . h . Cheng”有更少,给予更多:社会阶层对亲社会行为的影响,“人格与社会心理学杂志》上,卷99,不。5,771年,页2010。视图:谷歌学术搜索
42. j .亨利克j . Ensminger r . McElreath et al .,“市场、宗教、社区规模和公平的进化和惩罚,”科学,卷327,不。5972年,第1484 - 1480页,2010年。视图:出版商的网站|谷歌学术搜索
43. l . d . Molm”影响和社会交换:满意度power-dependence关系,“美国社会学评论,56个卷,第493 - 475页,1991年。视图:出版商的网站|谷歌学术搜索
44. r·伊“机器”的行为,自然,卷568,不。7753年,第486 - 477页,2019年。视图:谷歌学术搜索
45. h . Shirado n . a . Christakis,“本地嘈杂的自治代理改善全球人类协调网络实验,”自然,卷545,不。7654年,第374 - 370页,2017年。视图:出版商的网站|谷歌学术搜索
46. h . Shirado n . a . Christakis,“网络工程使用自治代理增加人类团体合作,”Iscience,23卷,不。9篇文章ID 101438 2020。视图:出版商的网站|谷歌学术搜索
47. j。布莱登指出,他恐慌,n .晚上s布洛克和v . a . a .詹森“稳定通量:群落结构在动态网络,”《英国皇家学会界面,8卷,不。60岁,1031 - 1040年,2011页。视图:出版商的网站|谷歌学术搜索
48. j . a . Moreira j·m·帕切科和f·c·桑托斯,“进化适应社会结构的集体行动,”科学报告,3卷,不。1,第1526 - 1521页,2013。视图:出版商的网站|谷歌学术搜索
49. f . l . ibsen Pinheiro f·c·桑托斯和j·m·帕切科”链接的个人和集体行为适应社交网络,”物理评论快报,卷116,不。12,128702页,2016年。视图:出版商的网站|谷歌学术搜索
50. f·c·桑托斯·j·m·帕切科,t . Lenaerts“合作”盛行个人调整社会关系时,PLoS计算生物学,卷2,不。10篇文章ID e140 2006。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Andreia索非亚特谢拉等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。