진화방식을 이용한 N명 반복적 죄수 딜레마 게임의 협동연합에 관한 실험적 연구

Experimental Study on Cooperative Coalition in N-person Iterated Prisoner's Dilemma Game using Evolutionary

  • 서연규 (연세대학교 컴퓨터과학과) ;
  • 조성배 (연세대학교 컴퓨터과학과)
  • 발행 : 2000.03.15

초록

자연계의 많은 합리적인 이기적 개체들 사이에는 수많은 선택적 갈등이 존재한다. 반복적 죄수의 딜레마(Iterated Prisoner's Dilemma: IPD)게임은 합리적인 이기적 개체들 사이의 경쟁과 협동에 대한 선택적 갈등을 다루는데, 사회, 경제 및 생물 시스템에서 협동의 진화를 연구하는데 사용되어 왔다. 이제까지는 게임자의 수와 협동의 관계, 기계학습의 일환으로서의 전략학습, 그리고 이득함수가 협동에 미치는 영향 등에 관한 연구가 있었는데, 이 논문에서는 진화방식을 이용하여 이득함수에 따른 협동연합의 크기와 지역화가 NIPD(N-player IPD)게임에서 협동의 진화에 미치는 영향에 대해 밝히고자 한다. 시뮬레이션 결과 협동개체에 대한 이득함수의 기울기가 배반에 대한 이득함수의 기울기보다 급하거나 최소 연합의 크기가 작을수록 협동연합의 정도가 높게 나타나며 상호작용하는 이웃의 크기가 작을수록 협동연합의 정도가 높게 진화됨을 알 수 있었다.

There is much selective confliction in nature where selfish and rational individuals exists. Iterated Prisoner's Dilemma (IPD) game deals with this problem, and has been used to study on the evolution of cooperation in social, economic and biological systems. So far, there has been much work about the relationship of the number of players and cooperation, strategy learning as a machine learning and the effect of payoff functions to cooperation. In this paper, We attempt to investigate the cooperative coalition size according to payoff functions, and observe the relationship of localization and the evolution of cooperation in NIPD (N-player IPD) game. Experimental results indicate that cooperative coalition size increases as the gradient of the payoff function for cooperation becomes steeper than that of defector's payoff function, or as the minimum coalition size gets smaller, Moreover, the smaller the neighborhood of interaction is, the higher the cooperative coalition emerges through the evolution of population.

키워드

참고문헌

  1. Axelrod, R, The Evolution of Cooperation, Basic Books, New York, 1984
  2. Axelrod, R. and Hamilton, W.D., 'The evolution of cooperation,' Science, Vol. 211, pp. 1390-1396, 1981 https://doi.org/10.1126/science.7466396
  3. Axelrod, R. and Dion, D., 'The further evolution of cooperation,' Science, Vol. 242, pp. 1385-1389, 1998 https://doi.org/10.1126/science.242.4884.1385
  4. Banks, S., 'Exploring the foundation of artificial societies: Experiments in evolving solutions to iterated N-player prisoner's dilemma,' ALife IV, pp. 337-342, 1994
  5. Goldberg, D.E., Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, 1989
  6. Hoffmann, R. and Warning, N., 'The localization of interaction and learning in the repeated prisoner's dilemma,' Santa Fe Institute Working Paper no. 96-08-064, 1996
  7. Huberman, B.A. and Glance N.S., 'Evolutionary games and computer simulations,' Proc. of National Academy of Science (USA), Vol. 90, pp. 7715-7718, 1993
  8. Nowak, M. A. and May, R. M., 'Evolutionary games and spatial chaos,' Nature, Vol. 359, pp 826-829, 1992 https://doi.org/10.1038/359826a0
  9. Schelling, T. C., Micromotives and Macrobehaviour, New York, 1978
  10. Yao, X. and Darwen, P., 'The experimental study of N-player iterated prisoner's dilemma,' Informatica, Vol. 18, pp. 435-450, 1994
  11. 서 연규, 조성배, 'NIPD게임에서 게임자 수와 협동의 관계에 대한 진화적 연구', 퍼지 및 지능 시스템학회 논문지, Vol. 9, pp. 306-312, 1999