This paper introduces a bilateral matching mechanism to explain why different populations have different levels of cooperation. The traditional game theory assumes that individuals can acquire their neighbor's information without cost after generating information. In fact, the environment and cognition of populations often limit the magnitude of information received by individuals. Our model divides information dynamics into two processes: generation and dissemination. After generating, information starts to disseminate in the population. Individuals match and interact with each other based on the information received and then confirm partnerships, which differs from traditional research's unilateral partner selection process. Specifically, we find a function to simulate two constraints of information acquisition in different populations: information dissemination cost and cognition competence. These two kinds of constraints affect the choice of partnership and then the evolution of cooperation. The game evolved under the condition of information constraints. Through large-scale Monte Carlo simulations, we find that information dissemination and cognition underlie the evolution of cooperation. The lower cost of information dissemination and the more valid cognition of information, the higher level of cooperation. Moreover, deviations in cognition among individuals more sensitively determine the equilibrium cooperation density. As the deviations increase, cooperation density decreases significantly. This paper provides a new explanation for the diversity of cooperation among populations with different information dissemination costs and cognition competence.


翻译:本文介绍了一种双边匹配机制,以解释不同人口为何有不同程度的合作。传统游戏理论假定个人在产生信息后可以免费获得邻居的信息。事实上,环境和人口认知往往限制个人收到的信息数量。我们的模型将信息动态分为两个过程:生成和传播。在生成和传播之后,信息开始在人口中传播。个人根据所收到的资料彼此匹配和互动,然后确认伙伴关系,这与传统研究的单方面伙伴选择程序不同。具体地说,我们发现一种功能,模拟不同人口获取信息的两个制约因素:信息传播成本和认知能力。这两种制约因素影响伙伴关系的选择,然后影响合作的演变。在信息制约的条件下,游戏演变演变成两个过程:信息动态:生成和传播。在生成和传播信息后,信息开始在人口中传播;根据所收到的资料,个人彼此匹配和互动,然后确认伙伴关系,这与传统研究的单方面伙伴选择程序不同。具体地说,我们发现一种功能是模拟不同个人之间在认知方面的差异,即信息传播密度和密度的差别增加了,而传播能力则大大降低。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年2月23日
Arxiv
11+阅读 · 2022年9月1日
Arxiv
13+阅读 · 2022年8月16日
VIP会员
相关资讯
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员