Et overraskende resultat for en gruppes optimale vej til samarbejde

Men folk er ikke homogene, de er heterogene, og de har normalt ikke det samme antal links til naboer som alle andre eller ændrer deres strategi i samme takt.

Det er også kendt, at det at give hver enkelt mulighed for at opdatere deres strategi på nøjagtig samme tid, såsom at umiddelbart efterligne deres nabo, ændrer udviklingen af ​​samarbejde markant. Tidligere undersøgelser har rapporteret, at gennemgående heterogene individuelle forbindelser hindrer samarbejde, når det antages, at individer opdaterer deres strategier med identiske hastigheder.

Nu har en gruppe forskere lokaliseret i Kina, Canada og USA fundet et overraskende resultat:Når enkeltpersoners strategiopdateringshastigheder varierer omvendt med deres antal forbindelser, udkonkurrerer heterogene forbindelser homogene forbindelser med hensyn til at fremme samarbejde. Undersøgelsen er publiceret i tidsskriftet Nature Communications .

"Hvordan man kan analysere den kvantitative indvirkning af de fremherskende heterogene netværksstrukturer på fremkomsten af ​​gruppeoptimale strategier er et langvarigt åbent spørgsmål, som har tiltrukket sig stor opmærksomhed," sagde Aming Li, en medforfatter og adjunkt i Dynamics and Control ved Peking Universitet.

Li's team løste problemet ved analytiske beregninger bakket op af computersimuleringer for at finde den grundlæggende regel for at opretholde kollektivt samarbejde:"Knudepunkterne med væsentlige forbindelser i det komplekse system bør opdatere deres strategier sjældent," siger han. Det vil sige, at individuelle strategiopdateringshastigheder bør variere omvendt med antallet af forbindelser, de har i netværket. På denne måde udkonkurrerer et netværk med heterogene forbindelser mellem individer et netværk med homogene forbindelser til at fremme samarbejdet.

Teamet har også udviklet en algoritme, der mest effektivt finder de optimale strategiopdateringsrater, der frembringer koncernens optimale strategier, som de kalder OptUpRat. Denne algoritme hjælper kollektiv nytte i grupper og, siger Li, "er også afgørende i udviklingen af ​​robotsamarbejdssystemer." Fundet vil være nyttigt for forskere inden for så multidisciplinære områder som kybernetik, kunstig intelligens, systemvidenskab, spilteori og netværksvidenskab.

"Vi tror på, at brug af AI-relaterede teknikker til at optimere individuelle beslutninger og drive kollektiv intelligens vil være det næste forskningshotspot."