在混合和網絡化種群中，成為信任者還是不成為信任者：對稱 N 人信任博弈的進化動力學
與單純的線性收益函數或結構化人口相比，收益函數的非線性與結構化人口的交互作用對信任的演化產生了更顯著的影響。
진화 오토마타와 심층 진화 연산: 무한한 가능성 탐구
진화 오토마타는 기존 진화 알고리즘의 한계를 뛰어넘어 무한 생성을 통해 튜링 머신으로 해결 불가능한 문제까지도 다룰 수 있는 심층 진화 연산의 가능성을 제시한다.
從離散到連續的二元最佳反應動態：離散波動幾乎可以肯定會隨著人口規模的增長而消失
在二元決策中，隨著人口規模的增長，協調者和反協調者在有限離散人口動態中表現出的持續波動幾乎可以肯定會消失，這可以通過使用半連續微分包含形式的平均動態來近似離散的有限人口動態來證明。
이산 이진 최적 반응 역학에서 연속 이진 최적 반응 역학으로: 모집단 크기가 증가함에 따라 이산 변동은 거의 확실하게 사라짐
이기종 코디네이터와 안티코디네이터로 구성된 모집단에서 개인의 이진 결정을 모델링할 때, 유한 모집단에서 관찰되는 변동은 모집단 크기가 증가함에 따라 사라지는 경향이 있으며, 이는 연속 미분 방정식을 사용한 근사를 통해 입증됩니다.
The Impact of Population Size on Fluctuations in Binary Best-Response Dynamics
In binary decision-making scenarios modeled by best-response dynamics, fluctuations in strategy adoption observed in finite populations almost surely vanish as the population size grows, converging to stable equilibria determined by the system's mean dynamics.
使用 Kantorovich 單子學習多層級基因演算法的變分方法
本文提出一個基於 Kantorovich 單子的數學框架，用於構建和優化任意多層級的演化過程和基因演算法，並探討其在多層級選擇壓力下的行為。
칸토로비치 모나드를 사용한 다단계 유전 알고리즘 학습을 위한 변분 방법
본 논문에서는 칸토로비치 모나드를 사용하여 다단계 선택을 갖는 진화 프로세스를 모델링하고 학습하는 새로운 수학적 프레임워크를 제안합니다.
具有 N 回合記憶的直接互惠的自適應動態
本文探討了在重複囚徒困境中，具有 N 回合記憶的玩家的直接互惠的自適應動態，並揭示了交換玩家和合作與背叛時出現的有趣對稱性。
N 라운드 메모리를 사용한 직접 상호주의의 적응 역학
본 논문에서는 유한 메모리를 가진 플레이어 간의 반복되는 기증 게임에서 나타나는 대칭성과 수학적 구조를 분석하여 직접 상호주의의 진화적 역학을 설명합니다.
透過人為設計控制均衡選擇的人類博弈實驗驗證
透過操縱博弈動態過程，可以影響人類博弈行為中的均衡選擇，實驗結果與演化博弈論的預測一致。
© 2024 by Linnk AI