混合更新网络博弈框架

合作涌现新机制

在高层网络中引入模仿学习与强化学习的混合策略更新规则，揭示了自主学习者对合作的双重影响，为理解集体合作演化提供了新视角。

Xu, Yan · Zhao, Dawei · Benko, Tina P. · 夏承遗 · Perc, Matjaž

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2026

技术优势

揭示双重影响

自主学习者对合作的影响随困境强度变化：低困境时抑制合作，高困境时促进合作，为调控合作提供针对性依据。

混合更新更真实

同时包含模仿学习者和自主学习者，克服了传统模型中所有个体同质更新的缺陷，更贴近现实群体。

小群体更合作

模拟显示更小的群体规模更有利于合作，为设计促进合作的组织结构提供参考。

理论模拟结合

通过大规模仿真实验与理论分析共同验证结论，增强了发现的可靠性。

应用场景

• 多智能体合作：揭示混合更新规则下合作涌现的条件，帮助设计多智能体系统中的合作激励机制。
• 群体行为建模：提供含模仿与强化学习的群体行为模型，准确再现不同困境强度下的合作水平。
• 复杂系统分析：在高层网络上分析混合策略的演化动力学，揭示小群体规模促进合作的系统效应。