کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8207009 1530883 2016 31 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evolutionary game theory using agent-based methods
ترجمه فارسی عنوان
تئوری بازی تکاملی با استفاده از روش های مبتنی بر عامل
کلمات کلیدی
ترجمه چکیده
تئوری بازی تکاملی یک چارچوب موفق ریاضی است که در جهت درک فشارهای انتخابی است که بر تکامل استراتژی عوامل مؤثر در تعامل با درگیری های بالقوه تأثیر می گذارد. در حالی که درمان ریاضی از هزینه ها و مزایای تصمیم گیری می تواند استراتژی بهینه در تنظیمات ساده را پیش بینی کند، تنظیمات واقع گرایانه تر از قبیل جمعیت محدود، نرخ جهش غیر از بین رفتن، تصمیم گیری تصادفی، ارتباط بین عوامل و تعاملات فضایی، نیاز به روش های مبتنی بر عامل جایی که هر عامل به عنوان فردی مدل سازی می شود، ژن های خود را که تصمیم گیری های آن را تعیین می کند، حمل می کند و در نتیجه نتیجه تکاملی می تواند بوسیله تکامل جمعیت عوامل به موقع برسد. در حالی که نتایج ریاضی استاندارد را برجسته می کنیم، آن ها را با روش های مبتنی بر عامل مقایسه می کنیم که می توانند از محدودیت های معادلات فراتر بروند و شبیه سازی پیچیدگی جمعیت های ناهمگن و مجموعه ای از متغیرهای در حال تغییر را ایجاد کنند. ما نتیجه می گیریم که روش های مبتنی بر عامل می تواند نتایج تکاملی را پیش بینی کند که درمان های صرفا ریاضی نمی توانند از آن جلوگیری کنند (به عنوان مثال در محدودیت جهش قوی انتخاب)، اما ریاضیات برای اعتبارسنجی شبیه سازی های محاسباتی بسیار مهم است.
موضوعات مرتبط
مهندسی و علوم پایه فیزیک و نجوم فیزیک و نجوم (عمومی)
چکیده انگلیسی
Evolutionary game theory is a successful mathematical framework geared towards understanding the selective pressures that affect the evolution of the strategies of agents engaged in interactions with potential conflicts. While a mathematical treatment of the costs and benefits of decisions can predict the optimal strategy in simple settings, more realistic settings such as finite populations, non-vanishing mutations rates, stochastic decisions, communication between agents, and spatial interactions, require agent-based methods where each agent is modeled as an individual, carries its own genes that determine its decisions, and where the evolutionary outcome can only be ascertained by evolving the population of agents forward in time. While highlighting standard mathematical results, we compare those to agent-based methods that can go beyond the limitations of equations and simulate the complexity of heterogeneous populations and an ever-changing set of interactors. We conclude that agent-based methods can predict evolutionary outcomes where purely mathematical treatments cannot tread (for example in the weak selection-strong mutation limit), but that mathematics is crucial to validate the computational simulations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physics of Life Reviews - Volume 19, December 2016, Pages 1-26
نویسندگان
, , ,