We examine opinion dynamics in repeated multi-agent games. In our model, each agent updates, in continuous time, its opinion about multiple available strategies, in response to payoffs associated with the game and exchanges of opinions with other agents. We show how the model provides a principled and systematic means to investigate behavior of agents that select strategies using rationality and reciprocity, both of which are key features observed in human decision making in social dilemmas. Using bifurcation analysis, we prove conditions for the multistability of equilibria in two-agent two-strategy social dilemmas. For the iterated prisoner's dilemma, we show how, with sufficiently strong reciprocity, the model predicts bistability of mutual cooperation and mutual defection. We illustrate further how the theory predicts important aspects of rational and reciprocal decision making and the sensitivity of behavior to parameters. The results are generalizable to games with more agents and more strategies, and to additional feedback dynamics, e.g., those designed to elicit cooperation.


翻译:我们审视了多次多试剂游戏的动态。在我们的模式中,每个代理商不断更新其对多种可用战略的看法,以回应与游戏和与其他代理商交流观点有关的回报。我们展示了模型如何提供原则性和系统性手段,调查那些利用理性和互惠选择战略的代理商的行为,这两种行为都是人类在社会困境中决策过程中观察到的关键特征。我们通过两重分析,证明在双重策略的社会困境中平衡的多重性的条件。对于循环囚犯的两重困境,我们展示了该模型如何在足够强烈的互惠条件下预测相互合作和相互叛变的可避免性。我们进一步展示了该理论如何预测理性和对等决策的重要方面以及行为对参数的敏感性。其结果一般适用于与更多代理商的游戏和更多的战略,以及额外的反馈动态,例如旨在获得合作的动力。

0
下载
关闭预览

相关内容

最新《时序分类:深度序列模型》教程,172页ppt
专知会员服务
42+阅读 · 2020年11月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
推荐|深度强化学习聊天机器人(附论文)!
全球人工智能
4+阅读 · 2018年1月30日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
推荐|Andrew Ng计算机视觉教程总结
全球人工智能
3+阅读 · 2017年11月23日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2021年11月5日
Arxiv
0+阅读 · 2021年11月4日
Arxiv
3+阅读 · 2018年10月8日
Arxiv
6+阅读 · 2018年2月7日
Arxiv
3+阅读 · 2017年12月23日
VIP会员
相关VIP内容
最新《时序分类:深度序列模型》教程,172页ppt
专知会员服务
42+阅读 · 2020年11月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
推荐|深度强化学习聊天机器人(附论文)!
全球人工智能
4+阅读 · 2018年1月30日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
推荐|Andrew Ng计算机视觉教程总结
全球人工智能
3+阅读 · 2017年11月23日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员