合作博弈中的策略选择：进化博弈理论与人工智能的交叉视角

这篇综述系统探讨了进化博弈理论（EGT）在合作行为研究中的关键作用，提出了策略选择的三大原则：计算等效策略的完整性、明确的微观经济模型假设、以及模型与典型事实的关联性。文章创新性地将人工智能（AI）方法与EGT相结合，为构建更丰富的合作模型提供了新思路，同时指出AI领域可从EGT的抽象模型中获益。通过囚徒困境、公共品博弈等经典案例，揭示了策略集选择对合作动态的深远影响。

　　

进化博弈理论（EGT）作为研究合作行为的核心工具，通过形式化模型揭示了自私个体间合作行为的涌现机制。传统EGT模型通常由研究者手动选择有限策略，导致策略集可能存在偏差。这种偏差在存在噪声和多均衡的系统中，会显著改变系统动态，甚至误导对合作条件的理解。为此，本文提出构建稳健EGT合作模型的三大原则。

1. EGT的工具集

1.1 静态解概念
Maynard Smith和Price提出的进化稳定策略（ESS）概念，作为纳什均衡的 refinement，解释了动物界有限战争策略等现象。ESS能预测无法被突变入侵的稳定状态，但对演化路径保持沉默。

1.2 确定性动力学
复制者动力学方程dx_i
/dt = x_i
(f_i

• ?f?)描述了策略频率变化，其中f_i
  为策略i的适应度。这类动力学高度依赖初始条件，且劣等策略会被自然淘汰。

1.3 有限种群的随机模型
Moran过程等随机模型考虑了有限种群效应，揭示了弱选择下被支配策略可能通过中性路径影响演化结果的反直觉现象。

1.4 策略空间
理想策略集应包含所有计算等效策略，通过演化筛选相关策略。这要求我们超越直觉，采用系统化方法构建策略空间。

1. 选择策略空间的三大原则

2.1 原则1：无偏且计算等效的策略
以重复囚徒困境为例，传统模型仅包含ALLC、TFT和ALLD三种策略存在明显偏差。当包含所有基于对手上一步行动的策略（共16种）时，发现合作水平被高估。更长的记忆会使策略空间急剧膨胀，此时需要借助计算方法。

2.2 原则2：明确的微观经济交互模型
公共品博弈中的惩罚机制研究表明，仅允许合作者惩罚背叛者的4策略模型（合作者、惩罚者、背叛者、独行者）存在偏差。当考虑所有可能的惩罚组合（24种策略）时，结果显著改变。关键发现是：只有当独行者不能惩罚或不被惩罚时，原始模型的预测才成立。

2.3 原则3：与典型事实的关联
间接互惠研究中，传统模型假设社会规范外生且同质。当允许内生规范演化时（64种策略组合），合作因规范间的中性漂变而崩溃。这与实验观察到的人类规范异质性相符，凸显了模型与实证关联的重要性。

1. 合作型人工智能

3.1 MARL与合作
多智能体强化学习（MARL）提出了两个核心问题：自私智能体间合作如何涌现（涌现问题），以及如何设计能与其他异质智能体合作的智能体（设计问题）。EGT的抽象模型与MARL的复杂环境模拟可形成互补。

3.2 通过AI构建更丰富模型
AI方法天然满足三大原则：策略无偏性（通过状态-动作空间定义）、明确的环境建模、以及与实证的潜在联系。但需注意环境复杂性不应掩盖战略互动的本质。

3.3 AI与智能体设计问题
设计合作型智能体需要超越传统EGT的小策略集假设，使智能体既能利用合作机会，又能抵御剥削。EGT的机制（如直接互惠需识别能力，间接互惠需通信能力）可为设计提供原则指导。

1. 讨论
   构建新一代EGT模型需要平衡策略完整性与模型复杂性。虽然包含看似不相关的策略会增加计算负担，但这些策略可能提供关键的演化路径。更重要的是，完整策略集不仅能解释观察到的行为，还能解释为何其他等效复杂度的行为没有演化，这对理解合作的本质至关重要。AI方法的引入为处理大规模策略空间提供了新工具，而EGT的抽象洞见则有助于理解复杂模拟的核心机制。这种交叉融合为合作研究开辟了新途径。