Convergence analysis and control of evolutionary matrix-game dynamics

Modellen voorspellen samenwerking

Netwerken van beslissing nemende individuen met eenvoudige dynamica kunnen aanleiding geven tot complexe en schijnbaar onvoorspelbare collectieve gedragingen. Deze kunnen negatief zijn, zoals verkeersopstoppingen en marktfalen, of positief zoals vrijwillige noodhulp bij rampen en de stabilisatie van de vrije markt. Pouria Ramazi onderzocht de dynamica van dit soort complexe netwerken.

De interactie binnen netwerken van mensen is lastig te voorspellen. Enerzijds is er vaak een groepstaak die vereist dat de individuen samenwerken om het collectieve resultaat te optimaliseren en anderzijds is er het eigenbelang van het individu waar wellicht voorkeur aan gegeven wordt boven de groepstaak. Dit resulteert in een sociaal dilemma. Typische onderzoeksvragen binnen dit onderwerp richten zich op (i) hoe kan men het gedrag op lange termijn van de netwerken voorspellen en wat zijn de factoren die niet convergerende fluctuaties in de acties van de individuen veroorzaken; (ii) hoe kan men een model creëren dat de dynamica beschrijft als samenwerking zich ontwikkelt of wordt gestimuleerd onder de zelfzuchtige individuen; en (iii) hoe kan men het aantal individuen regelen die een bepaalde actie neemt in een netwerk.

Ramazi onderzocht deze vragen door netwerken van de individuen met keuzevrijheid te modelleren met behulp van evolutionaire matrix-game dynamica, de convergentie analyse uit te voeren om het asymptotische gedrag te begrijpen van de dynamica en door regel algoritmes te ontwerpen die leiden tot gewenste acties van de individuen.

Pouria Ramazi verrichtte zijn promotieonderzoek bij de afdeling Discrete Technologie en Productie Automatisering van het ENgineering and TEchnology institute Groningen (ENTEG) met financiering van de European Research Council. Hij werkt nu als postdoc aan de RUG.

Proefschrift: http://hdl.handle.net/11370/892d6deb-20c8-4c65-ac45-c7d0abc0d734