交互强度驱动的自适应迁移对合作演化的影响机制研究

本研究针对空间博弈中合作行为演化难题，创新性地将交互强度(interaction intensity)引入自适应迁移机制(adaptive migration)，通过囚徒困境博弈(PDG)和雪堆博弈(SG)模型，揭示了在中等稀疏种群中，高刺激敏感度(β=0.01)能显著扩大合作演化的空位阈值范围(Es)，且SG比PDG更易形成合作爆发。该成果为复杂系统中合作行为的涌现提供了新范式。

　　

在生物社会系统和人类经济活动中，合作行为与自私本能的博弈始终是进化博弈论的核心命题。尽管Nowak总结的五大合作规则（包括网络互惠性）为解释合作演化提供了框架，但空间结构对合作的影响仍存在"PDG促进而SG抑制"的悖论。更棘手的是，传统研究将迁移机制与交互行为割裂分析，忽略了现实个体基于不完全信息的有限理性决策。

中国研究人员通过构建包含交互强度的自适应迁移模型，在二维晶格上开展PDG和SG的对比研究。采用Bush-Mosteller强化学习模型更新交互概率，设置不同刺激敏感度(β=0.005/0.01)和空位比例(E_s)，结合蒙特卡洛模拟比较随机迁移与自适应迁移的差异。关键技术包括：1）基于Moore邻域的空间博弈框架；2）通过BM模型实现交互强度的动态调整；3）采用COD（combat-offspring-diffusion）更新规则；4）分析不同β值下合作频率随E_s的变化规律。

【Model】
创新性地将交互强度定义为个体与对手互动的概率，其更新受刺激量Δπ（收益差）和敏感度β共同调节。迁移概率取决于邻域背叛者比例，形成"感知-决策-迁移"的闭环机制。

【Results】

1. 在PDG中，当β=0.01时合作水平比原始自适应迁移提升37.5%，且临界E_s阈值扩展至0.3；
2. SG体系在β=0.005时即出现合作爆发，表明其对交互强度变化更敏感；
3. 空间分布显示，适度迁移促使合作者形成紧密簇群，而高E_s导致合作者孤立。

【Conclusions and discussion】
该研究突破性地将RL算法与空间博弈相结合，揭示出：1）交互强度的动态调节能突破Hauert空间抑制效应；2）迁移行为通过重构合作者网络拓扑增强互惠性；3）SG的合作演化存在"低敏感度阈值"现象。这对设计智能体协作算法、理解肿瘤细胞合作等生物医学问题具有启示意义，特别是为资源约束条件下（低E_s）的群体协作优化提供了定量模型。

（注：全文严格依据原文数据，β、E_s等参数均保留原文表示方式，未添加文献引用标识）