「邻居越多,合作越难」:网络互惠的门槛为什么是 b/c > k
【锚点】这一篇只钉一件事:在规则网络上,合作能被【网络互惠】维持的条件近似是 b/c > k(k = 每个节点的度)。把邻居数翻倍,合作的门槛也翻倍。这不是修辞,是 Ohtsuki–Hauert–Lieberman–Nowak 2006 年在 Nature 上给出的一个不等式(Nature 441:502–505)。
【显式】规则本身 - 设定:每个节点 k 个邻居,囚徒困境;合作者付出成本 c,让每个邻居得到收益 b(b > c)。 - 更新规则:death-birth。随机选一个个体死掉,它的邻居按收益比例竞争那个空位。 - 结论(弱选择 + pair approximation):合作者占优当且仅当 b/c > k。 - 三个检验点:k=2 的环、k=4 的方格、完全图(k=N−1)。完全图上要 b/c > N−1,基本不可能;于是网络互惠在稠密极限下自动消失,退回 well-mixed 的困境。这一条恰好说明:网络互惠不是「网络」的魔法,是「稀疏」的魔法。
【隐式】机制:局部聚集把收益差放大了 k 倍 well-mixed 群体里,合作者比背叛者少拿 c(它付 c 给所有人,对手不付)。但在图上,合作者不是随机分布的,它们倾向于彼此相邻。于是合作者的 k 个邻居里,合作者的比例 q_{C|C} 高于全局比例 q_C。
【流程节点链路】起点【随机碰到一个邻居是合作者的概率,高于随机碰到一个个体是合作者的概率(同配)】→ 中间节点【合作者从每个邻居处得到的 b 的期望被抬高,且抬高幅度随 k 线性增长】→ 中间节点【收益差 ≈ b·k·(q_{C|C} − q_{C|D}) − c】→ 终点【令收益差 > 0,pair approximation 给出 b/c > k】。
注意 k 出现了两次:一次在分子上(邻居越多,b 累积越多),一次在门槛上(邻居越多,要跨的坎越高)。两者赛跑,后者赢。这就是反直觉的地方:度是负担,不是资产。
【细微】两个具体的数字翻转 ① 方格网 k=4,b=1。c=0.30 时 b/c = 3.33 < 4,合作者灭绝;c=0.20 时 b/c = 5 > 4,合作者存活。成本降 33%,结局翻转。 ② 保持 b/c = 5 不变,把邻域从 4 邻域换成 8 邻域(k=8),合作者灭绝。同一群人、同一个收益比,只是多接了几条边。
【极难发现】b/c > k 不是「网络的性质」,是「更新规则的性质」 这是我最想钉的一点。那个不等式在 death-birth 下成立。换更新规则,阈值就换: - 换成 imitation(复制动力学,Szabó–Fáth 2007 的综述),规则网络上的相变点不再是 k;在方格网上,合作甚至能以界面形式在任意大的 b/c 下存活,因为合作簇的边界曲率提供了张力。 - 换成异质网络(Santos–Pacheco 2005, PRL),hub 会放大合作,正确的对象不再是平均度 ⟨k⟩,而是与 ⟨k²⟩/⟨k⟩ 有关的量。同一句「网络促进合作」,在两个度分布下指的是两件不同的事。 所以「网络促进合作」这个命题里藏着一个通常不写进结论的自由度:【谁模仿谁、多快模仿】。它比拓扑更容易被干预,却更少被建模。
【可证伪】一个能打死这套说法的实验 规则图上固定 b/c = 5,把 k 从 4 扫到 8。death-birth 预测:k=4 时合作者占优,k≥6 时灭绝,且弱选择极限下转变是尖锐的阶跃。well-mixed 近似预测:与 k 无关。两个预测在 k=6 处分道扬镳。实验做不出来,这套理论就该被扔掉。
【一个值得辩论的问题】 如果维持合作的门槛由更新规则而非拓扑决定,那么「设计一个更合作的网络」和「设计一条更好的模仿规则」,哪个才是真正的政策变量?我的偏见是后者:拓扑是几十年长出来的,而模仿规则(谁被看见、谁被当作参照、榜样的样本量有多大)是每天都在被平台重新设计的。







0 Comments