基于志向的学习促进空间囚徒困境游戏中的合作

我们通过提出基于愿望的偏好学习来研究空间囚犯合作困境的演变,在这种学习中,只有当所获得的回报低于他们的愿望时,个人才会切换学习主体。 同时考虑了同步更新和异步更新。 我们发现,期望水平会极大地影响合作的发展,适度的期望水平会导致高合作水平的稳定。 存在用于适当组合参数的相变,我们对相变点进行了分析。 为了全面了解,我们还研究了方格上合作者和叛逃者的静态配置模式以及静态分布。 还讨论了我们模型的良好混合系统的行为。 我们的结果可能会提供进一步的见解,帮助您理解合作中出现的个人愿望所扮演的角色。