Effects of sampling interaction partners and competitors in evolutionary games
Notice bibliographique
Résumé
The sampling of interaction partners depends on often implicit modeling assumptions, yet has marked effects on the dynamics in evolutionary games. One particularly important aspect is whether or not competitors also interact. Population structures naturally affect sampling such that in a microscopic interpretation of the replicator dynamics in well-mixed populations competing individuals do not interact but do interact in structured populations. In social dilemmas interactions with competitors invariably inhibit cooperation, while limited local interactions in structured populations support cooperation by reducing exploitation through cluster formation. These antagonistic effects of population structures on cooperation affect interpretations and the conclusions depend on the details of the comparison. For example, in the snowdrift game, spatial structure may inhibit cooperation when compared to the replicator dynamics. However, modifying the replicator dynamics to include interactions between competitors lowers the equilibrium frequency of cooperators, which changes the conclusions, and space is invariably beneficial, just as in the prisoner's dilemma. These conclusions are confirmed by comparisons with random-matching models, which mimic population structures but randomly reshuffle individuals to inhibit spatial correlations. Finally, the differences in the dynamics with and without interactions among competing individuals underlie the differences between death-birth and birth-death updating in the spatial Moran process: death-birth updating supports cooperation because competitors tend not to interact whereas they tend to do for birth-death updating and hence cooperators provide direct support to competitors to their own detriment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».