タグ付けされた質問 「evolutionary-game-theory」

生態学と進化の研究はますます数学的になりつつありますが、理論的なツールのほとんどは物理学から来ているようです。ただし、多くの場合、問題は非常に離散的な性質を持ち（たとえばSLBS00を参照）、コンピューターサイエンスの観点から恩恵を受ける可能性があります。しかし、生態学と進化の特定の問題に触れようとするTCSからの深刻な結果はごくわずかです。思い浮かぶ2つの方向は次のとおりです。 Livnat、A.、Papadimitriou、C.、Dusho、J.、＆Feldman、MW [2008]「進化における性の役割の混合可能性理論」PNAS 105（50）：19803-19808。[ pdf ] LG [Valiant] [2009]「Evolvability」Journal of the ACM 56（1）：3。 前者は、遺伝的アルゴリズムの分析からのアイデアを適用して、フィットネスとランドスケープにおける性的生物と無性生物の振る舞いの質的な違いを示し、観察されたモジュール性を正当化するのに役立つフォローアップにつながりました。後者は進化と計算学習理論を結びつけて、進化可能性と推定不可能性の結果を証明しようとします。少数の論文コレクションに影響を与えましたが、ほとんどは他のコンピューター科学者によるものです。 これらの静脈にはさらに結果がありますか？生物学者によって研究されているように、生態学と進化を理解するための理論的コンピューターサイエンスの他の深い/自明でない応用はありますか？ ノート 一般的な工学関連の遺伝的アルゴリズムまたは進化的アルゴリズムの結果には興味がありません。これはコンピューターサイエンスの非常に興味深いエキサイティングな部分ですが、生物学者によって研究されている進化との関係は表面的な場合が多いです。時々（LPDF08のように）具体的な接続が行われますが、ほとんどの標準的な結果は生物学的に重要ではないため、この投稿ではそれらに興味がありません。 バイオインフォマティクスは近くの分野ですが、私が探しているものでもありません。系統樹のようなものを再構築し、進化/生態学を助けるために使用することができますが、理論的なCSの側面は中心的なステージを取りません。ここで、CSの結果は、既存の十分に確立された理論内からブラックボックスとして主に使用できるツールを完成させるものであり、新しい生物学的理論を構築または拡張するものではないようです。 私は、コンピューターサイエンスの現代的で重要な側面を使用して、理論的（ただし、生物学者にはまだ関連がある）レベルで生物学に影響を与える結果を好みます。そういうわけで、私はチャイティンの代謝のようなものにはあまり興味がありません。 関連する質問 遺伝的アルゴリズムに関する証明可能な声明 社会科学におけるアルゴリズムレンズ アルゴリズム進化ゲーム理論のソース 量的金融の計算の複雑さ

27 reference-request  big-picture  application-of-theory  evolutionary-game-theory  algorithmic-lens 

私は非常に緩い意味でタイトル用語を使用します。 数学的基礎を含む、進化ゲーム理論に関するかなりの量の研究があります。「進化ゲームと人口動態」を勧められましたが、まだ詳しく調べていません。 また、このサイトで人気のあるトピックであるアルゴリズムゲーム理論に関するかなりの量の研究があります。 私が見たいのは、特定の進化ダイナミクスに関する計算の複雑さまたは収束ステートメントを作成する作業です。 例（非常に大まかに言って）： 人口と進化のスキームが与えられた場合、長期的な人口の最適性の確率的な後悔を与えることができます（最高の個人と比較して？）。これは、専門家の集団と盗賊の問題に強く関連しているようです。非定常環境ではどうですか？ 環境で相互作用し、ほぼすべての種類のマルチプレイヤーゲームをプレイするさまざまな種の集団のセットを考えると、進化戦略を考えると、戦略または戦略分布の最終的な安定性についてどのような声明を出すことができますか？ 環境との直接的な関係または他の種との関係のいずれかで、多くの「ニッチ」（言い回しの広義の方法）があるあらゆる種類の環境で、集団がどのように分布するかについてどのような声明を立てることができますかこれらのニッチ全体。 私が尋ねていないが、そうすべき問題-AGT、TCS、遺伝的アルゴリズム、進化ゲーム理論、または個体群生物学の背景をほとんど持たずにこれに来ています。最適化/機械学習/統計の観点から質問をしていますが、これは間違っているか不完全である可能性があります。

15 reference-request  gt.game-theory  genetic-algorithms  evolutionary-game-theory 

ネットワーク上の相互作用を検討する場合、ダイナミクスを分析的に計算することは通常非常に難しく、近似が使用されます。通常、平均フィールド近似ではネットワーク構造が完全に無視されるため、適切な近似になることはめったにありません。よく使われる近似はペア近似です。これは、隣接ノード間に固有の相関を考慮します（直感的には、エッジの平均フィールド近似の一種と考えることができます）。 Cayleyグラフを検討している場合、近似は正確であり、正規規則グラフを検討している場合は非常に優れています。実際には、平均次数kでランダムグラフがあり、kの周りに次数が密に分布している場合にも、これは適切な近似を提供します。残念ながら、関心のあるネットワークや相互作用の多くは、この種のグラフではうまくモデル化されていません。これらは通常、特定の（および高い）で、（例えば、スケールフリーネットワーク、等）は、非常に異なる次数分布のグラフによくモデル化された係数クラスタリング（詳細については、参照、または特定の平均最短経路の距離をアルバート・Barabasi 2001） 。kkkkkkkkk これらのタイプのネットワークでうまく機能するペア近似の改良点はありますか？または、利用可能な他の分析近似はありますか？ ネットワーク上の相互作用の例 私はネットワーク上の相互作用によって私が意味することの例を挙げようと思いました。進化ゲーム理論からの比較的一般的な例を含めます。 各ノードは、エージェント（通常は単に戦略によって表される）と考えることができます。これは、エッジを持つ他の各エージェントとペアでいくつかの固定ゲームをプレイします。したがって、各ノードへの戦略の割り当てが指定されたネットワークは、各ノードに見返りをもたらします。次に、これらのペイオフとネットワーク構造を使用して、次の反復のノード間の戦略の分布を決定します（一般的な例は、各エージェントが最も高いペイオフのネイバーまたはこれの確率的バリアントをコピーすることです）。通常、私たちが関心を持つ質問は、各戦略のエージェントの数と、それが時間の経過とともにどのように変化するかを知ることです。多くの場合、安定した分布（これについて知りたい、または概算したい）を持っているか、リミットサイクルまたはさらにエキゾチックな野獣がいることがあります。 この種のモデルで平均場近似を行う場合、ネットワーク構造をあからさまに無視し、完全なグラフに対してのみ正確である動的としてget レプリケーター方程式を使用します。（Ohtsuki＆Nowak 2006のように）ペア近似を使用すると、わずかに異なるダイナミクスが得られます（実際には、修正されたペイオフマトリックスを持つレプリケーターダイナミクスがあり、修正はグラフの次数と更新ステップの詳細に依存します）。これは、ランダムグラフのシミュレーションによく一致しますが、対象の他のネットワークには一致しません。 例のようなより物理的な場合：エージェントをスピンで置き換え、ペイオフマトリックスを相互作用ハミルトニアンと呼び、定期的なランダム測定を実行しながらシステムを冷却します。 注意事項および関連する質問 トリプル（ノードの4倍）での平均場近似のタイプを考慮する種類のペア近似の単純な一般化は扱いにくく、それでも非常に異なる次数分布や平均最短経路距離を考慮に入れていません。 アルゴリズム進化ゲーム理論のソース

10 graph-theory  gt.game-theory  evolutionary-game-theory