Physica D 147 (2000) 221258

1
 Sistemas dinámicos de la teoría de juegos y dinámicas de juegos
E. Akiyama, K. Kaneko
Recibido el 27 de marzo de 1999; recibido en forma revisada 25 de febrero 2000 ; aceptado 28 de junio 2000.
Resumen
Un marco teórico que llamamos sistemas diná-
micos se presenta el juego, en el que el juego en
sí puede variar debido a la inuencia de jugadores
comportamientos y estados. Ese es, la naturaleza
del juego sí ahí mismo es descrito como un sistema
dinamico. La relación entre la dinámica del juego y
la evolución de las estrategias se analiza mediante
la aplicación de este marco. experimentos de
ordenador son llevado a cabo por simples juegos
de una sola persona para demostrar la evolución
de los sistemas dinámicos con el uso ecaz de la
dinámica recursos.
Palabras clave : sistema dinámico; Optimizadores acopla-
dos; evolutiva de juego.
1. Problemas en la dinámica
de juego
Hay tres propósitos en el presente documento y
dos documentos posteriores. En primer lugar, se in-
tenta construir un marco teórico capaz de describir
los aspectos dinámicos de entornos de juego y de los
agentes. Llamamos a este marco de los sistemas di-
námicos (DS) de juego. En segundo lugar, se expone
este marco abstracto concretamente con simulacio-
nes por ordenador para demostrar algunas caracte-
rística del modelos de DS juego. En tercer lugar,
un punto de vista novedoso se proporciona desde el
punto de juego de DS , con respecto a la aparición
de fenómenos sociales a través de las interacciones
entre las personas, el desarrollo de la comunicación
entre los agentes y los fenómenos evolutivos en las
colonias de organismos vivos.
El contenido principal de esta serie de artículos es
el siguiente. En el presente trabajo, lo primero que
damos al general formulación del marco de juego de
DS, y tratar las cuestiones en una sola persona en
juegos de DS, en el que los juegos dinámicos están
bajo el control del único jugador de decisión. En el
segundo artículo, nos ocupamos de los problemas
con varias personas de los juegos de DS, centrándo-
se especialmente en la cooperación ejercida por los
2
jugadores que utilizan estables la dinámica de juego
como una norma para la cooperación. Ahí nosotros
revelaremos el mecanismo que permite la formación
de la cooperación entre los jugadores, que crecen
y adquieren recursos dinámicos comunes. Esta for-
mación se observa con frecuencia en nuestro mundo
real, pero no puede ser representada en el marco de
la teoría de juegos tradicionales.
En el tercer artículo, vemos el fenómeno evoluti-
vo de las sociedades con la evolución de la referencia
de cada tomador de decisiones hacia los demás esta-
dos. De mutuo interacciones, los jugadores forman
varias reglas para la administración de los recursos
dinámicos. Por ejemplo, podemos ver la formación
de una norma según la cual cada jugador se le asig-
na un determinado recurso de manejo y no lo hace,
roban a otros de sus recursos (recursos privados).
Como otro ejemplo, las reglas para la administra-
ción conjunta de recursos comunes se construyen
a menudo. Tal normas adoptadas por los jugado-
res cambian con la evolución de las estrategias con
respecto a la referencia a los estados de los demás.
1.1. La discusión de los problemas
fundamentales
Si dos o más jugadores son responsables de las
decisiones tratando de obtener una óptima de re-
sultados interactuando entre sí, el resultado de ca-
da uno de ellos dependerá, en general, no sólo en
su propias acciones, sino en las de los demás. En
la teoría de juegos, von Neumann y Morgenstern
[12] tenido participación en el hecho de que este
problema no es un ordinal máximo y que la forma-
lización de este tipo de problema debe tomar la for-
ma de matriz. Tuvieron éxito en la caracterización
del problema como uno en la que cada individuo
"puede determinar las variables que describen sus
propias acciones, pero no los de la otros ", mientras
que, además," esas variables extrañas no pueden,
desde su punto de vista, ser descritas por supuestos
estadísticos "[12].
Sin embargo, la teoría de juegos no es afín a los
problemas de participación de los fenómenos diná-
micos que implican múltiples tomadores de deci-
siones debido a la naturaleza estática de la matriz
empleada en la teoría de juegos convencional. Ahí
principalmente dos cuestiones que nos gustaría te-
ner en cuenta aquí. La primera de ellas se reere al
efecto que las acciones de un jugador pueden tener
en el entorno del juego. Las acciones seleccionada
por cualquier jugador sin duda tendrá un efecto en
las acciones de los demás. En realidad, sin embargo,
es también posible que las acciones de un jugador
pueden afectar al real entorno del juego en sí. A
través de esta inuencia, el juego real en el que el
jugador está involucrado puede también cambiar.
Luego, a través de tales cambios en el ambiente de
juego, los benecios en cuanto a las acciones de un
jugador pueden también ser cambiado.
Además de las cuestiones que implican el efecto
de una acción de jugador en el entorno del juego,
deseamos examinar la cuestión de la conexión entre
un jugador de función de pagos y el estado de ese
jugador. (Usamos la palabra "Estado" que signi-
ca aquí para propiedades internas generales de un
jugador que puede cambiar, la condición real del ju-
gador o el modelo interno del mundo exterior que el
jugador tiene.) Por ejemplo, considere un jugador
que participa en un concurso en varias ocasiones con
el mismo rival en un entorno de juego que no lo ha-
ce cambiar con el tiempo. En este caso, la utilidad
de las posibles acciones del jugador siempre sigue
siendo el ¾mismo? la evaluación del jugador de su
posible acciones varían de acuerdo con los cambios
en su interior ¾estado?
Además, nos gustaría tocar aquí el fundamental
punto de vista de la teoría de juegos tradicional con
respecto a la situación mencionada anteriormente.
En tradición la teoría de juegos, una situación de
este tipo se representa a veces por uno (grande) jue-
go. Es decir, desde el presente hacia el futuro, todas
las posibles acciones de todos los jugadores en todos
los puntos en el tiempo son tomadas en cuenta. Por
lo tanto es posible la bifurcación de patrones del
juego que se derivan con esta situación en un con-
junto que se representa como un enorme árbol de
juego. De esta manera, podemos proyectar el curso
del tiempo en un juego estático y analizar su so-
lución en la forma de un juego-árbol o una matriz
de juego. Estrategia aquí signica el plan de acción
para todos los puntos en el tiempo, y el análisis de
una solución racional para un juego sólo es posi-
ble cuando sabemos todas las posibilidades acerca
de las acciones de todos los jugadores del pasado
al futuro. Sin embargo, surge una importante pre-
gunta aquí: ¾Siempre se toma nuestras decisiones
¾De este modo? Por otra parte, es incluso posible
que hagamos una decisión de este tipo en el primer
lugar?
Este tipo de problemas se consideraron prime-
ro por Rapoport [15] y Rashevsky [16]. Más tarde,
3
Rössler [18] ellos consideraban el uso de un modelo
abstracto de multiplicar ligado junto a optimizado-
res autónomos. Éstas recientemente han sido desa-
rrolladas por Ikegami y Taiji [8,22]. Examinemos
las preguntas anteriores con más detalle en relación
al juego de investigación teórica sobre la evolución
de sistemas.
1.2. juegos estáticos y juegos de sis-
temas dinámicos
Cualquier interacción con la toma de decisiones
agentes múltiples (jugadores) que tienen diferentes
intereses se denomina juego. Básicamente, la teo-
ría de juegos investiga los criterios para el compor-
tamiento racional de todos los jugadores. En este
contexto, uno de los objetivos más importantes en
estos días es el uso de concepto de equilibrio de
Nash para llevar a cabo el equilibrio análisis. Tal
análisis de los equilibrios de los juegos ha produci-
do resultados considerables hasta la fecha, especial-
mente para los juegos no cooperativos. Las teorías
desarrolladas para esta clase de juegos también se
han ampliado para producir aún más resultados en
el análisis de los juegos cooperativos
Es indudable que este tipo de análisis de equili-
brio es extremadamente ecaz, y que es indispensa-
ble como una técnica teórica de base. Sin embargo,
cuando pensamos en los grupos de la vida real de
los organismos vivos o de fenómenos sociales, pa-
rece que hay ejemplos donde otros enfoques serían
más ecaces. En particular, el cambio dinámico en
lugar de equilibrio es inherente a un gran número
de situaciones. Por ejemplo, en el mundo real no
es inusual que las comunicaciones y las interaccio-
nes mutuas entre individuos, como las estructuras
sociales imperantes, continuamente cambian de mo-
do que una condición de equilibrio nal no es nunca
alcanzada. No es apropiado para el tratamiento de
estos fenómenos como una transición sencilla hacia
un equilibrio teórico condición (es decir, viéndolos
como evoluciona los procesos de aprendizaje), ya
que el cálculo incompleto disponible potencia para
los agentes individuales en algunas decisiones irra-
cionales que se hizo. Dar un ejemplo sencillo, un
punto de vista distinto de equilibrio de análisis es
claramente importante para la comprensión de la
naturaleza de la llamada evolución abierta.
En el pasado, la teoría de juegos evolutiva [10]
ha ofrecido diversas hipótesis vericables y explica-
ciones acerca de la naturaleza de la evolución social
y ecológica. Este tipo de análisis ha sugerido mu-
chas e importantes teorías sobre la naturaleza del
aprendizaje, la imitación, y patrimonio cultural /
hereditario. En años más recientes, simulación por
ordenador del proceso evolutivo ha sido adoptada
en el estudio llamado vida articial. En este tipo
de investigación, el proceso general de la evolución
es tratado como un juego. Los juegos se resuelven
mediante el uso de la toma de decisiones programa-
das que representan los jugadores. El objetivo de
este tipo de investigación es comprender el proceso
general de evolución a través de experimentos de
computación.
Ahora, en estos estudios sobre sistemas evoluti-
vos, los juegos adoptados no cambian con el tiempo,
por denición. En otras palabras, las funciones de
evaluación de los jugadores en los juegos se man-
tienen constantes. Ejemplos son juegos de un solo
disparo, al igual que el juego del halcón-paloma, y
también juegos como el dilema del prisionero itera-
do en la que el mismo juego se itera muchas veces.
Debido a que los juegos por sí mismos en este caso
son de naturaleza estática, se Incluso se podría de-
cir que una de las principales razones de la el éxito
de estos estudios es la representación "estática" de
los juegos. Para mayor comodidad, en este trabajo,
vamos referirse a esta forma de representación del
juego como la estática de representación del juego.
Ciertamente, si pensamos en los fenómenos socia-
les en el mundo real, hay muchos ejemplos que pue-
den investigarse de manera muy ecaz en el marco
previsto por representación del juego estático. Sin
embargo, en la otro parte, ejemplos de fenómenos
que no pueden ser completamente analizado en es-
te marco también existen. Esto es debido a que el
entorno del juego del mundo real que en realidad
vivimos no es jo, y cambia con cada acción que se
realiza dentro de una estrategia o cualquier cambio
en el sistema de valor de evaluación utilizado por
un jugador.
.En los juegos de la vida real, las interacciones
mutuas entre el entorno del juego y los jugadores
pueden tener un gran efecto. Por ejemplo, en sis-
temas de modelo de la vida real, el uso de una es-
trategia dada por un particular, el individuo puede
causar cambios en el ambiente externo y en la ma-
triz de pagos del juego en sí. Promover, la matriz
de pagos local entre dos individuos puede cambiar
dependiendo de la estrategia elegida por cualquiera
de posibles terceros.
Por otra parte, en los juegos de mundo real, la
utilidad adjunta por un jugador para una deter-
minada estrategia puede cambiar de acuerdo al es-
tado actual del jugador. Para dar sólo un simple
ejemplo, la acción de comer un cultivo del plátano
en un árbol tiene bastante diferentes utilidades en
función del Estado actual del jugador con hambre.
Esto se hace más complicado cuando además tene-
mos en cuenta la forma que el jugador ve el estado
del plátano y la forma en que el jugador considera
los estados de los otros jugadores cercanos. Aquí, la
4
forma en que los puntos de vista del jugador pue-
de cambiar la situación completamente de utilidad
de las posibles acciones. Incluso para los plátanos
del mismo tamaño, pensamientos tales como "este
plátano todavía puede crecer más", o "Probable-
mente este plátano ha dejado de crecer", o "ahora
que es tan grande, las otras personas cercanas lo
tomarán pronto ", la voluntad por sí mismos alte-
ran la utilidad de la acción "comer plátanos". En
este punto, vamos a discutir con mayor detalle la
naturaleza de las posibles interacciones mutuas en-
tre las estrategias y el entorno del juego. Los juegos
estáticos implican principalmente las estrategias de
los jugadores individuales o de grupos de jugadores
(en situaciones tales como la cooperación, traición,
conspiración o co-evolución) con respecto a una de-
nición de juego jo que persiste hasta que el juego
ha terminado. Tales juegos no se prestan a respon-
der a preguntas tales como "¾Qué efecto tienen el
juego dinámico sobre la evolución de las estrate-
gias?. Por ejemplo, el entorno del juego puede ser
oscilatorio o incluso caótico, y la evolución de las
estrategias en estas circunstancias será muy dife-
rentes. Por supuesto que es También muy difícil de
usar juegos estáticos para tratar de forma natural
el problema complementario de cómo las acciones
de un jugador puede producir la dinámica de juego.
Por ejemplo, si un jugador vive por la producción
y el consumo de recursos en el entorno, no se pue-
de determinar usando un juego estático Descriptivo
porque hay estrategias que adoptar con el n para
hacer la dinámica de tales ambientes productivos o
para mantenerlos estables.
El ejemplo más claro y sencillo que ilustra cómo
las acciones de un jugador pueden cambiar un juego
en sí es la de efectos de retardo [19]. En el mundo
real que habitamos, nuestra racionalidad no puede
ser tan perfecta como la teoría de juegos requiere.
De hecho, para los juegos que continuará a par-
tir del pasado en el futuro, podemos identicar los
siguientes requisitos previos para un jugador para
tomar decisiones racionales.
1. El conocimiento perfecto de las reglas del jue-
go.
2. La capacidad de enumerar todas las acciones
posibles, uno de los cuales el jugador puede elegir
en un punto dado a tiempo.
3. La capacidad de identicar todas las posibles
situaciones que estas acciones generarían en el si-
guiente punto a tiempo.
4. La capacidad de construir una representación
completa del partido desde el pasado hasta el futu-
ro como una ramicación diagrama (por ejemplo,
representada en la extensa formar).
5. La capacidad de analizar completamente este
(típicamente) enorme árbol de juego y derivar un
equilibrio.
Para aún muy pequeños juegos, el cumplimiento
de estos requisitos previos es imposible en la prác-
tica. (Véase la discusión de racionalidad limitada
[2,21] que tocamos brevemente más tarde.) Inclu-
so para el juego de ajedrez, donde la construcción
del proceso óptimo de la inferencia es la principal
estratégica objetivo, es imposible llevar a cabo prác-
ticamente decisión hacer de la manera anterior. (O,
si fuera posible, el resultado del concurso se cono-
cerá desde el principio, por lo que no habría ningún
signicado en jugar el juego [23].)
En los juegos del mundo real, los jugadores toman
decisiones sobre la base de las conclusiones obteni-
das mediante el examen tan grande un juego local,
ya que prácticamente pueden manejar. Sin embar-
go, en un juego que puede cambiar con el tiempo,
la acción que parece óptima en el entorno actual
no puede sea óptima cuando el juego se ve desde
un largo plazo perspectiva. Por ejemplo, median-
te la aplicación de la restricción en el punto de la
partida actual, es posible inuenciar el entorno del
juego de un futuro lejano que se ofrece benecios
muy ricos. De esta manera, la presente decisión de
un jugador puede tener un efecto en el juego futu-
ro ambiente; esto es lo que llamamos el "efecto de
retardo". Es evidente que los modelos estáticos de
juego no pueden tratar con sistemas tales propieda-
des. Hay una diferencia fundamental entre las dos
estrategias "cooperan si el oponente ha cooperado
por última vez, de lo contrario aspirar a una alta
rentabilidad " y "adquirir una alta rentabilidad al
forzar el juego en sí para cambiar".
Se introduce el modelo de lo que llamamos mode-
lo dinámico de los sistemas de juego para manejar
los tipos de situaciones discutidas anteriormente.
La descripción más sencillo de este modelo es que
representa un juego como un sistema dinámico en
el que el estado del entorno del juego, los estados
de todos los jugadores, y los jugadores sea posible
acciones que varían en el tiempo, y todos ellos se
describen por variables dinámicas.
2. Descripción general de los
sistemas dinámicos modelo
de juego
En esta sección, demostramos el concepto básico
del modelo de juego DS y dar una formulación de la
misma. Primero, Consideremos un juego de modelo.
5
2.1. Un ejemplo de un juego de sis-
temas dinámicos
El dilema de los leñadores (LD) de juego. Hay
una colina boscosa, donde viven varios leñadores.
Los leñadores cortar árboles para ganarse la vida.
Ellos pueden maximizar su benecio colectivo si
cooperan al esperar hasta que los árboles se han
desarrollado completamente antes de cortarlos, y
compartir las ganancias. Sin embargo, el leñador
que derriba un dado árbol antes que los demás lle-
va todo el benecio para ese árbol. Así, cada leña-
dor puede maximizar su benecio personal por la
tala de árboles antes. Si todos los leñadores ello,
sin embargo, la colina irá al descubierto, y al nal
habrá ningún benecio. Estas circunstancias inevi-
tablemente traerán consigo un dilema.
Este juego LD se puede categorizar como la re-
presentación el dilema social que surge en relación
con la problema de la formación y el mantenimiento
de la cooperación en una sociedad, que a menudo
está representado por el cuento clásico "la trage-
dia de los comunes", presentado por Hardin [7]. Su
estructura es similar a la lógica del modelo dilema
del prisionero si se considera a nivel de un juego es-
tático. En otras palabras, se puede representar en
forma de dilema una versión de n personas prisio-
neros si lo proyectamos en juegos estáticos.
Aquí observamos varias diferencias importantes
en modelado dilema social entre el leñador de dile-
ma y el dilema de los prisioneros de n personas. Los
dinámica de los tamaños de los árboles deben ser
expresados explícitamente en el dilema de los leña-
dores. El rendimiento de un árbol dado, y por lo
tanto la ganancia de los leñadores, diere de acuer-
do con el momento en que se hizo caer el árbol. Los
benecios tienen una distribución continua, porque
la posible producción de un árbol ha de variación
continua valor. Así, las acciones de los leñadores
no pueden denitivamente etiquetar como "coope-
ración" o "traición". Además, la decisión de hoy de
un leñador puede afectar el futuro entorno de juego
a través del crecimiento de un árbol.
2.2. El concepto de juegos de siste-
mas dinámicos
En un juego de DS, los jugadores viven en un
entorno de juego seguro y siempre tienen varias ac-
ciones posibles de que se puede tomar. La dinámica
del juego, g, se compone de la siguiendo tres reglas
del sistema que dene:
1. Los estados de los alrededores de los jugadores
(que llaman al "entorno de juego"), x, y los
estados de todos los jugadores, y, cambian de
acuerdo a una ley natural.
 2. Los jugadores toman decisiones de acuerdo con
su propia decisión de los mecanismos de toma,
f, al referirse tanto los estados de los alrededo-
res de los jugadores y de todos los jugadores
(incluyendo a uno mismo).
el juego natural, (Tabla 1). El conjunto se compone
de n jugadores, también llamados los tomadores de
decisiones, y (Tabla 1) es compuesta de cuantica-
dores que pueden cambiar de acuerdo con la

3. . Cambio en el entorno del juego y las acciones

de los jugadores que afectan a los estados de
los jugadores.

Los jugadores llevan a cabo acciones en varias oca-

siones, y en el proceso, el sistema evoluciona de
acuerdo a estas reglas en general. El uso de la for-
mulación descrita en estas reglas, en lugar de en
base a matrices de pago algebraicas, DS modelo de
juego puede describir de manera explícita no sólo
juego con interacciones similares, sino también la
dinámica observada en el entorno del juego y en-
tre los jugadores. En total la dinámica de juego es
descrito por el mapa, g, y en la toma de decisiones
de los jugadores, f, se incrusta en g. La dinámica se
expresa ya sea de forma discreta en el tiempo, como
las asignaciones que se repiten o de forma continua
en el tiempo, por ecuaciones diferenciales.
En el juego de DS, capacidad de razonamiento
la dinámica, pero no pertenecen a la clase de fa-
de un jugador es inevitablemente limitado. Como
bricantes de decision (por ejemplo, sal, agua, ali-
se indica en la Sección 1.2, los jugadores en el juego
mentos, combustible). Las variables básicas en el
de DS no pueden examinar todos los posibles desa-
mundo de juegos DS son el estado del entorno
rrollos en un juego como un enorme diagrama de ra-
del juego, x
, y el estado de lajugadores, y =
micación ni calcular un equilibrio de este enorme
y 1 , y 2 , . . . y n (tabla 2).
diagrama antes de tomar acción. Al representar la
En nuestro juego de DS, x y y i (iN )denotar
cadena de relaciones causales como un gran juego,
vectores de múltiples componentes. Por ejem-
el análisis de la teoría de juegos tradicionales desde
plo, si consideramos sal, agua, combustible
el punto de vista estático es hecho posible. Por otro
y alimentos en el entorno del juego que
lado, el cálculo de Tales diagramas de ramicación
estudiamos, x está representado =
por x
es imposible en el DS juego, ya que todos los esta-
(xsal , xagua , xcombustible , xalimentos ). La situación es
dos están representados por continuo variables, y la i 11
similar para el estado de jugador i (iN ), i.e. , y .
dinámica no lineal de estados de los jugadores y el
medio ambiente son mutuamente inuenciado.
En cada paso de tiempo, un juego en el sentido 2.4. Dinámica del sistema
clásico de la teoría de juegos se realiza, en cierto gra-
Expresamos la dinámica del juego de DS por un
do, donde los jugadores deciden sus acciones dentro
mapa (Aunque también es fácil de usar diferencia-
del juego en ese instante. En otras palabras, las ga-
ción de ecuaciones). Una de las ventajas de la repre-
nancias de cada jugador para todas las acciones po-
sentación de la dinámica en una forma discreta en
sibles de todos los jugadores pueden determinarse
el tiempo es la facilidad de comparación con jue-
en cada punto. Así, cada jugador tiene una especie
gos iterados o repetidos, tales como la dilema del
de función de pagos en cada movimiento. Sin em-
prisionero iteradas '[3].
bargo, esta función de pagos varía con el tiempo, y
En el juego de DS, xe y varían con el tiempo de
su cambio depende de las acciones de los jugadores.
acuerdo a la dinámica establecidos en el sistema.
Nuestro juego de DS permite cambios dinámicos de
1 1 por ejemplo, y i podria ser yi =
juegos en sí, en este sentido, en este cambio y ac-

yestado−nutricional , yestado−monetario , yf atiga−f isica , . . .
ciones de los jugadores son inseparables. i
Sin embargo, cualquier y (iunciertoconjuntodejugadoresN )que
aparece en este documento es una simple variable de una

2.3. Componentes del juego de los sola dimensión.Es decir, no nos ocupamos de, por ejemplo,
la relación entre la dinámica de las diferentes variables
sistemas dinámicos de un jugador. Y así, todos los yi 's que aparece en este
documento puede ser considerado como y1i .Corresponde a
Los componentes básicos del mundo de juegos DS los futuros estudios y i quese implementa como un vector en
son el conjunto de jugadores, N = {1, 2 . . . , n}, y el marco juego DS.

6
Denotando el tiempo por t , la dinámica del juego,
g, se representa como sigue:
g : (x (t) , y (t)) → (x (t + 1) , y (t + 1)) .
Al igual que en el mundo real, el sistema que debe
tener en cuenta los cambios de manera autónoma,
incluso sin acciones de los jugadores. Llamamos es-
ta propiedad la ley natural del sistema. Una deci-
sión hecha por un jugador también puede afectar el
entorno del juego, los otros jugadores, y él mismo.
En otras palabras, X e Y se puede cambiar tanto
por el derecho natural y el efecto de las acciones
de los jugadores, a. Por lo tanto g consiste en una
la ley natural, u, y el efecto de las acciones de los
jugadores, v:
u : (x(t).y(t)) → (x(t), , y(t), )........................(2)
v : (x(t), , y(t), , a(t)) → (x(t + 1), y(t + 1)), .....(3)
g = vou.....................................................(4)
Aquí hemos adoptado el orden de u y v, como
en Eq. (4), para incluir sucesivamente los efectos
sobre el movimiento del juego producidos por la
acciones de los jugadores y otras causas. Utilizar
del ordenamiento inverso es igual de válido
v : (x(t), y(t), a(t))
(x(t), , y(t), ), ..................(5)
u : (x(t), , y(t),´ ) → (x(t + 1), y(t + 1)), ...........(6)
g = uov......................................................(7)
2.5. Decisión función de decisio-
nes, f
El jugador i se reere al estado del entorno del
y −i 2
2
juego x, que de los otros jugadores
sí mismo en la determinación de la acción
deben tomarse, basada en su propio mecanismo de
toma de decisiones fi .Llamamos esta función la
toma de decisiones. La función fi da reproductor
de juicio de valor i de todas las actividades posi-
bles, mientras que la función se puede cambiar a
través de la evolución o un proceso de aprendizaje.
En otras palabras, la función de representa la per-
sonalidad del jugador i. El funcionamiento de
da.
i i
f : (x(t), y(t)) → a (t) (in).........................(8)
Nosotros representamos el conjunto de toma de
decisiones de todos los jugadores funciona como
 1 2 n
f , f , . . . f y la operación de f como sigue:
f : (x (t) , y (t)) → a (t) ..............................(9)
2 y i ≡ (y 1 , y 2 , . . . y i−1 , y i−2 , . . . y n ).
3 Precisamente hablando,(x (t) , y (t))debe ser escrita co-
mo (x (t), , y (t), )porque usamos la ecuación (4), pero usa-
mos, (x (t) , y (t)) en esta denición de f para la legibilidad
y simplicidad.
Los juego DS es caracterizada por g y F. Aquí,
el juego como un sistema dinámico es representado
por embed-ding de los jugadores proceso de toma
de decisiones en la dinámica f del sistema g.
(1)
3. La discusión del modelo de
juego de los sistemas dinámicos
Aquí nos gustaría discutir un marco de nuestro
modelo de juego de los sistemas dinámicos se des-
cribe en la sección anterior. Primero discutimos los
méritos de la introducción de gramo y F para la
dinámica de juegos. También discutimos la racio-
nalidad limitada y la iterada dilema del prisionero
para la comparación. Analizamos a continuación las
propiedades necesarias que los jugadores deben te-
ner en un entorno de juego dinámico, en referencia
a Rössler de modelo optimizador autónoma de un
articial cerebro.
3.1. La racionalidad limitada, el dilema de los
presos que se repiten y sistemas dinámicos
El objetivo fundamental de este trabajo es
→ la situación en que los tomadores de decisiones
interactúan entre sí, bajo diversas condiciones
variables de un entorno dinámico, como en el
mundo en que vivimos. Aquí, es importante en-
tender los mecanismos de desarrollo o evolución
de sociedades, las comunicaciones emergentes, y
el comportamiento de un jugador que se pueden
observar en esta situación. A n de que compren-
damos estos mecanismos, qué tipo de actitud se
debe ¾tomar?
y la de a
ai que Desde el punto de vista de la teoría de juegos, se
podría argumentar que los análisis de situaciones
similares al juego han sido ya completados. Por
ejemplo, ya se ha demostrado que existen mejores
estrategias para dos jugadores, jugar al ajedrez,
y que los resultados del juego se pueden determi-
nados antes de jugar si tanto los dos jugadores
tienen la racionalidad completa. Además, se ha
fI se demostrado que el comportamiento racional en el
nito iterado juego del dilema del prisionero (IPD)
siempre traiciona. El problema aquí, sin embargo,
es que estas soluciones teóricamente óptimas a
f= menudo dieren de la forma en que las personas se
3 3 comportan realmente en tales situaciones. El origen
de esta diferencia parece radicar en el supuesto
básico de la teoría de juegos, la racionalidad de los
jugadores. La racionalidad de la teoría de juegos
por lo general requiere demasiada capacidad. Por
ejemplo, las siguientes suposiciones se hacen a
menudo en la teoría de juegos modelos.
7
 Los jugadores que participan en un juego son Tabla 3
todos racional los tomadores de decisiones. Matriz de pagos utilizado por Dresher y Flood

Las reglas del juego y la racionalidad de todos

los jugadores son de conocimiento común [1]
entre todos jugadores. Bajo estos supuestos,
la búsqueda de la teórica solución para la
determinación de los jugadores racional se
convierte en el objetivo principal, y con estos
supuestos básicos de la construcción se han
hecho teorías referentes a las soluciones posi-
bles. Sin embargo, un problema que confronta
el jugador es la incapacidad para determinar
qué comportamiento racional exactamente
debe ser. Por ejemplo, en un juego tal como
el ajedrez (para dos personas con suma
cero), podemos percibir la existencia de la
mejor estrategia, pero esto no signica que
podamos conocer concretamente cuál es la
mejor estrategia. Una situación similar ocurre
en otros juegos también. Esta característica
ha sido discutido por Simon [21], que se
rerió a eso como racionalidad limitada. La matriz de pagos utilizado en este experimento se mues-

Este factor de complicación conduce a cierta
dicultad en la aplicación de la
juegos en situaciones reales en el que la po-
tencia de cálculo de los jugadores es encerrado.
Los problemas que implican esta racionalidad no
son connados a la capacidad de cálculo de un ju-
gador. Incluso si un jugador puede calcular fácil-
mente la solución racional, no es inusual para que
se comporte de una manera contradictoria con a que
racionalmente siguiendo el resultado de este cálcu-
lo. Por ejemplo, en el juego IPD nito, la estrate-
gia de equilibrio de Nash para ambos jugadores, es
desertar siempre (traicionar). En este caso, no es
necesario que los jugadores tienen una enorme ca-
pacidad de cálculo para determinar la solución co-
rrecta por inducción. Sin embargo, como se muestra
por algunos experimentos relacionados con el IPD,
tal comportamiento no siempre es observado. Como
un ejemplo famoso, se muestra aquí el experimento
llevado a cabo por Melvin Dresher y Merrill Flood
[5]. (Este experimento se llevó a cabo en 1950 donde
Tucker acuñó la frase dilema de los presos.
tra en la Tabla 3.
5
teoría de El dilema del prisionero se repitió 100 veces con
dos jugadores en este experimento. En este juego,
el equilibrio de Nash es (jugador 1, jugador 2) =
(defecto, defecto) si los jugadores reconocen cada
paso de este experimento como un juego aislado,
y también la es 100 veces de repetición de (defec-
to, defecto) si que consideran todo el experimento
como un juego repetido. En cualquier caso, la solu-
ción teórica para ambos de los jugadores es siempre
defecto. Sin embargo, las exposiciones reales expe-
rimentaron un comportamiento mucho más coope-
rativo que la predicha teóricamente.
Además de los experimentos con (iterado) el di-
lema de los prisioneros, se han realizado una serie
de experimentos llevado a cabo utilizando personas
reales. También en estos experimentos, la gente a
menudo se comportaron de manera muy diferen-
te de la manera predicha teóricamente, incluso en
juegos simples donde los jugadores necesitan poca
deducción para encontrar los equilibrios de Nash
(por ejemplo, el capítulo 5 de donde los participan-
tes se comportan de manera muy diferente [4]). Lo
4 )
anterior puede considerarse como la consecuencia

4 natural ya que no podemos tener la racionalidad

La historia del llamado dilema del prisionero es lo que
Tucker presento para dramatizar el juego usado en este ex-
perimento.
perfecta prevista, de la teoría de juegos. Entonces,
¾cómo deberíamos nosotros desarrollar la teoría de
juegos para tratar frente a los jugadores limitados
¾racionalidad?

Se puede decir en los últimos años que la inves-

tigación con respecto racionalidad limitada se ha
iniciado [2] y la racionalidad limitada sigue siendo
uno de los temas más calientes de la teoría de jue-
gos. En una investigación con respecto a la IPD,

8
ha habido varias aproximaciones al problema de la
racionalidad limitada. Una de ellas utiliza simula-
ciones por ordenador para
5 La matriz de pagos se hizo asimétrica. Cuando los
jugadores seleccionen (1 jugador, el jugador 2) = (defecto,
defecto) o (cooperar, cooperar) en el juego del dilema del
prisionero con un pago de matriz simétrica, no podemos
negar la posibilidad de que se seleccionen las acciones
simétricas basado en la sensación de que el mismo benecio
mutuo ganado es la ganancia de equilibrio y la solución
racional, tanto para el jugadores.
9
entender las estructuras de los jugadores y inves-
tigar los comportamientos de los jugadores en diver-
sas condiciones, estableciendo sus habilidades como
nos gusta. Otra ventaja de la utilización de los or-
denadores es que permiten la investigación de cola
de- de un gran sistema de juegos y experimentos en
relación con la evolución de los jugadores o el apren-
dizaje también son posibles, por ejemplo, mediante
la introducción de los algoritmos de la mutación en
los programas de los jugadores . Una ventaja de
usar ordenadores para estudiar la comportamiento
de juegos es que en este caso, se construye un ju-
gador como un programa de ordenador, de manera
que podamos plenamente entender las estructuras
de los jugadores e investigar comportamientos de
los jugadores en diversas condiciones mediante el
establecimiento de sus habilidades como nos gusta.
Otra ventaja de la utilización de los ordenadores es
que permiten a la detallada investigación de un gran
sistema de juegos, y experimentos con respecto a la
evolución o el aprendizaje de los jugadores también
son posibles, por ejemplo, mediante la introducción
de mutación algoritmos en los programas de los ju-
gadores. Por ejemplo, simulaciones por ordenador
han sido llevadas a cabo por en representación de
los jugadores por los autómatas nitos [13,20]. Eso
se ha demostrado en estos estudios que la coope-
ración se realiza en el IPD con un número nito
de iteraciones, si la memoria de los jugadores son
incompletos. En un sentido, estos resultados son si-
milares a los comportamientos cooperativos a me-
nudo vemos en la realidad en situaciones similares
a la IPD.
En otra aproximación al problema racionalidad
limitada, un IPD nito es considerado como una
aproximación de un innito IPD y se busca el equi-
librio de la IPD innita. Este enfoque puede ser
entendido más concretamente a la luz de los co-
mentarios de Nash con respecto el experimento por
Dresher y Flood se ha descrito anteriormente. Po-
demos resumir dos de los temas tratados por Nash
como sigue. En primer lugar, Nash hace hincapié
en que cuando el dilema del prisionero se repite 100
veces, debemos considerarlo como un gran juego
multi-etapa, no sólo como repeticiones de un jue-
go aislado. Nash también señala que un juego itera
100 veces es un juego nito pero es demasiado largo
para una persona común para determinar la teoría
del equilibrio mediante la aplicación de la induc-
ción hacia atrás desde el extremo de la repetición.
La persona puede hacer una decisión, sintiendo la
iteración 100 veces sea innita uno. En este caso,
debemos aplicar el teórico equilibrio de la m innito
IPD a los resultados de la etapa 100 del experimen-
to IPD.
Si las armaciones de Nash son correctos, la rea-
lización de la cooperación en la etapa 100 del IPD
poder ser racionalizado Teóricamente. los fondos
teoricos de esta racionalización de cooperación es
el denominado teorema de Folk, que es una teoría
básica para los juegos innitamente repetidos. El
teorema de Folk establece que un juego de super G
∞, el cual es una repetición innita de un juego G,
tiene puntos de equilibrios de Nash que satisfagan
las siguientes condiciones.
6 contradicción con la conclusión teórica que asume la
1. Cada uno de estos puntos también se puede
realizar en el juego G por la combinación de las
estrategias de los jugadores.
7 En otras palabras,
existe cada punto dentro del denominado conjunto
factible del juego G.
2. La ganancia media para cada jugador en cada
uno de esos puntos es mayor que la recompensa
más pequeña asegurada por la mejor respuesta para
cada jugador en G. En otras palabras, cada jugador
debe ser individualmente racional.
Los estados de cooperación realizadas en IPD uti-
lizando estrategias tales como "ojo por ojo", al pa-
recer las condiciones antes mencionadas; por lo tan-
to, se puede concluir que estos estados son los equi-
librios cooperativos. Si se asume que cuando nos
encontramos con una situación similar a la ENI, (i)
reconocemos eso como un innito IPD juego, y (ii)
nosotros determinar nuestras acciones sobre la ba-
se de un cálculo del equilibrio de un juego innita-
mente reiterado, esta combinación de racionalidad
limitada de los jugadores y el teorema de Folk es
bastante razonable. En este punto, volvamos nues-
tra atención a los juegos dinámicos. Tomemos, por
ejemplo, el juego del dilema de leñadores, que se
introdujo en la Sección 2.1. En el juego del dilema
de los leñadores, el comportamiento de la tala de
un árbol ofrece a los jugadores un cierto grado de
benecio, y por lo tanto esta acción son las maneras
más rentables que el comportamiento de hacer nada
o esperar. Si los jugadores son racionales, el equi-
librio de este juego se caracteriza por la situación
en la que todos los jugadores continúan cortando
árboles para siempre, mientras que hay poca ne-
cesidad de potencia computacional para identicar
este equilibrio.
6 Más estrictamente hablando, este equilibrio de Nash se
realiza sólo cuando el factor de ganancia de descuento de los
jugadores del G ∞ , que descuenta los pagos de las etapas
futuras, se hace lo sucientemente cerca del límite superior 1.0.
En este caso, el pago normal es idéntico a la ganancia media
en todas las etapas. Fundenberg y Tirole [6] han discutido el
teorema de Folk en detalle. 7 Estrategia de cada uno puede
ser la estrategia mixta (estadística), por ejemplo, si hay dos
estrategias puras A y B, la estrategia de 20 % estrategia A plus
80 % estrategia B es posible.
10
Es lo que nosotros tenemos, sin embargo siempre
se comportan de esta manera? No ¾Hay casos en
los que esperamos a que crezcan los árboles? No
hay casos en los que crecen y los árboles cortados
alternativamente? .
Esta situación es similar a la de los experimentos
IPD descritos anteriormente donde los comporta-
mientos de los jugadores se encuentran a veces en
racionalidad completa de un jugador. Entonces, si
vamos a suponer que los jugadores, inevitablemen-
te, han racionalizado limitadamente como nosotros
mismos, ¾qué tipo de enfoque es posible en el juego
del dilema de los leñadores?
El juego del dilema de los leñadores puede ser
considerado como un tipo de multi-etapa del juego
Si se describe en tiempo discreto, a pesar de una
etapa del juego repetido es generalmente llamado
un juego de escenario. Eso es imposible, sin embar-

go,para aplicar una cadena lógica de los jugadores

[jugadores acotada racionalidad] [aproximación
para un iterado juego innitp] [El teorema de
Folk] para el dilema de los leñadores, porque el teo-
rema es aplicado solamente para juegos que impli-
can una iteración de un solo juego de etapa, invaria-
ble, mientras que el juego de DS cambia de forma
dinámica en hora.
Nosotros hemos formulado el marco de la sección
2, el juego de los sistemas dinámicos. Con el n de
hacer frente a los problemas mencionados anterior-
mente, el modelo de juego de DS es bastante simple,
con dos características importantes, las dinámicas
de juego y de toma de decisiones de los jugadores
mecanismos incorporados en la dinámica del juego.
Aplicando ing este marco, podemos considerar el
comportamiento de los jugadores con racionalidad
limitada y la dinámica resultantes del juego en sí
a través de los dos resultados experimentales y un
análisis del modelo
3.2. Autónoma optimizador
En el modelo de juego de DS, formulado en la
sección 2, las variables x , y , y una (ver Tabla
2) cambian con el tiempo después de g y f . Por
otra parte, f cambios en una escala de tiempo más
lento de la evolución o de aprendizaje. El concepto
básico de esta modelo es relacionado al autónomo
optimizador, introducido por Rössler como un
modelo para sistemas biológicos complejos (en
particular para el cerebro), aunque el juego de DS
puede hacer su camino desde el punto de vista de la
teoría de juegos a la de los sistemas dinámicos. Por
lo tanto, el conceptos de juego teoría, tal como el
jugador y la recompensa (por cada acción posible),
se explícitamente introducidos en el juego de DS.
Como resultado, podemos saber el corto alcance
y de largo alcance racionalidad en juegos de DS.
Esto sugiere la posible superioridad de los juegos
de DS a juegos tradicionales. Aquí consideramos la
DS juego modelo en relación al modelo de Rössler,
en particular se centra en la consideración de los
jugadores estados y la toma de decisiones función.
Fig1. (a) La gura conceptual de un jugador. Un jugador
tiene una función de toma de decisiones, f, que utiliza el es-
tado del entorno del juego, x, y estados de los jugadores ', Y,
como información de entrada y determina la acción del juga-
dor, una, como una salida. Una vez afecta a x. Los cambios
en la función f en respuesta a la evolución o el aprendizaje y
maximiza o minimiza) (una especie de optimización funcio-
nal. (b) un mapa clave de los sistemas dinámicos del juego.
Cuando los jugadores están acoplados a través de la entrada
del medio ambiente de todo el mundo, la situación se con-
vierte en un juego. Cada función de la toma de decisiones se
reere a estados del medio ambiente y los jugadores (inclui-
do él mismo) como entradas. Las acciones de los jugadores
a continuación, afectan el entorno del juego. Así la dinámica
de la interacción juego similar pueden representarse mejor
por sistemas de juegos dinámicos que por modelos de juego
teóricos que utilizan matrices de pago algebraicas. (Más pre-
cisamente, y; a; f en (a) se puede reescribirse como y1; a1;
f1 , respectivamente, por ver (a) desde el punto de vista de
una sola persona modelo de juego de DS.)
Los juegos de DS son descritos por la dinámica
del sistema de g y la función de toma de decisiones
f , que también corresponden al concepto de mundo
de los optimizadores autónomos '. Es decir, el juego
de DS se compone de dos clases inuyendo en cada
uno: el dinámico sistema de juego y los jugadores
(el mapa de teclado de un jugador se muestra en la
Fig. 1 (a)).
Optimizadores Autónomas son una clase de sis-
temas que de forma autónoma tratar a maximizar
(o minimizar) un cierta funcional que se genera por
el propio sistema [17]. Optimizadores son una sub-
clase de los sistemas dinámicos, y es por lo tanto
posible a describir el todo mundo, INCLUYENDO
los optimizadores de sí mismos, como los sistemas
11
dinámicos. Esto, sin embargo, no es un enfoque útil
cuando estamos interesados en la función o el com-
portamiento de un optimizador de sí mismo porque
conocer la dinámica no necesariamente resulta una
comprensión de la optimización, y extraer el com-
portamiento de los optimizadores de la dinámica es
en realidad poco práctico [18].
Cuando se acoplan múltiples optimizadores, otro
problema debe ser considerado [19]. En este caso,
información sobre la conducta de un optimizador
particular, actúa como entrada para otros optimi-
zadores del medio ambiente. Esta es la situación
que nos referimos como un juego, y aquí existe la
característica común al modelo de autónomo opti-
mizadores y el modelo de juego de DS, donde los
jugadores se corresponden con los optimizadores.
Optimizadores se ven afectados por el medio am-
biente, que es tratado como una variable, y, llevar
a cabo esta acción, por los estados de otros optimi-
zadores, mientras que el estado de un optimizador
actúa como una señal para los demás. Mediante el
uso de todas las señales como entradas, los optimi-
zadores de determinar su siguiente acción y también
afectan al ambiente. Entre las estrechas relaciones
entre los optimizadores autónomas y el juego de DS,
centramos nuestra discusión sobre el papel de la va-
riable de estado, que también se utiliza en el juego
de DS.
En la mayoría de los experimentos con modelos
de juegos teóricos que emplean juegos iterados, un
jugador por lo general se reere a la historia de las
acciones pasadas de todos los jugadores con el n
de determinar su siguiente acción. En algunos otros
casos, un jugador se reere a los benecios que los
jugadores han recibido en los juegos anteriores. Por
el contrario, en el juego de DS, un jugador se reere
a los estados del entorno del juego X y los estados
de los jugadores (incluyendo propia de un estado)
y para determinar su comportamiento. La decisión
MAK- función fi del jugador i proyectos x e y en
la acción del jugador i , un i . (Un mapa de teclado
del juego DS se muestra en la Fig. 1 (b)).
Aunque la información se hace referencia en la
toma de decisiones para esta modelo es no basado
en el pasado comportamiento, pero los estados
actuales, la información de la historia pasada puede
ser que se incrustan en X y Y si los jugadores
evolucionan (aprender) y se adaptan al entorno
variable, porque la ley natural (Sección 2.4) del
juego esta completamente dada desde el principio
en este modelo.
En concreto, podemos obtener información
teóricamente histórica pasada en cierta medida por
saber x e y dentro del límite de la precisión de los
parámetros en f que utilizan X y Y como insumos.
(Tenga en cuenta que la dinámica y los parámetros
de nuestro modelo de juego de DS toman valores
numéricos reales.) La forma de f es renado como
se obtiene experiencia adicional. Por lo tanto las
experiencias pasadas se pueden incrustar en
Como un ejemplo muy sencillo, consideremos el
siguiente conjunto de circunstancias:
1. Las Manzanas que estaban en un plato han
desaparecido durante un corto período de tiem-
po, mientras que yo no estaba viendo (
2. I (jugador i ) Ahora estoy muy hambriento (Y
i ) .
3. Por otra parte, las expresiones faciales de las
personas que se sientan a mi lado indican que
son muy satisfactorios (y -i ) .
Entonces puedo adivinar que las otras personas
tienen que haber comido las manzanas.
habitación es un sistema cerrado, la inferencia se
hace aún más válida. Puede tomar venganza si
mi decisión de hacer la función F yo ha sido su-
cientemente capacitada para analizar la situación.
Actualmente, los experimentos llevados a cabo en
este estudio muestran que el más sosticado sea
el modo de f referencia 's de x y y son, se pueden
observar los comportamientos más avanzados.
El signicado de la palabra "estado" tiende a ser
algo cuando decimos sobre el estado de un juga-
dor. Sobre todo cuando nos referimos al estado de
otra persona, su signicado inevitablemente implica
un juicio de valor. Cuando nos jamos en la expre-
sión facial de otra persona, nuestra evaluación de
cómo la persona se ve, por ejemplo, "que parece
estar perdido en sus pensamientos", o "que pare-
ce estar enfadado", pueden variar de acuerdo con
nuestras experiencias pasadas y nuestra actual es-
tado mental. Esta situación se puede expresar con
más detalle con la terminología del juego DS como
sigue:
Y i es un estado observable por otros jugado-
res, y que actúa como una señal para ellos. 8
(Corresponde a la estado en un optimizador
autónoma.)
8 2.1. En esta sección, se explican el modelo del juego
Nota aquí que lo que pertenece al jugador i en el juego
de DS es y i y f i .
F yo es la estructura interna del jugador e in-
visible para los demas que se implementa me-
diante mecanismos para juzgar. Determina có-
mo se reconoce el estado de fuera de objetos
f . (el otros y el medio ambiente) y de él mis-
mo. El jugador k con el estado y k se reere
al jugador i 's estado y i , y toma su decisión.
De hecho, las declaraciones "que parece estar
perdidos en sus pensamientos" y "parece estar
enojado" son ambos descritos en f k (y K , y
i ) . Como resultado, el jugador k toma una
x ).
decisión como "nos dejó dejar jugador i por
sí sola, que se ha perdido en sus pensamientos
"o" vamos a apaciguamos jugador i , quien es
enojado". aquí nosotros no podemos conside-
rar aparte del mecanismo de toma de cómo el
jugador toma i se observa el estado del jugador
k . Es decir, desde el jugador k punto de vista,
y i es el estado basado en la expresión externa
pura del jugador i , mientras que cuando fk se
Si la
aplica a (Y i , y k ) , que es el estado del juga-
dor i como me imagino que sea. (Rössler [19]
ha señalado la posibilidad de que el estudio de
los optimizadores autónomas junto conducirá
a una comprensión del desarrollo del lenguaje
humano, especialmente el uso y comprensión
del pronombre personal "yo ".)
Ahora consideramos brevemente la relevancia de es-
ta discusión que el modelo para el dilema de los
leñadores. En teoría, la mejor estrategia puede ser
siempre a talar el árbol más grande en cada punto
en el tiempo en este juego, aunque esta estrategia
solamente considera el tamaño de los árboles pero
no a los estados de los jugadores. Desde el punto de
vista del juego de DS, sin embargo, los estados de
los jugadores a veces juegan un papel importante.
La evaluación de la acción de cortar un árbol de-
pende de si yo no estoy en un estado satisfactorio
y si el siguiente jugador parece ser satisfecho. En
realidad, el efecto de retardo antes mencionado se
basa en parte en la evaluación de los estados.
4. Juego del dilema leñadores
Como una aplicación del marco de juego de DS,
se presentan en este documento el juego del dilema
leñadores (LD), cuyo contorno se da en la Sección
de LD y el procedimiento concreto de su experimen-
to.
12
 1. Mundo del juego, la ecología de la misma estrategia. A lo largo de todos los experi-

los leñadores , juego del dilema . mentos en este documento, los parámetros s y h se

En el juego mundo de el LD juego, ahí son varias establecen como s = 10 y h = 60 .

colinas boscosas en las que viven los leñadores. Su-
pongamos que los leñadores en la población se pue- 4.1.1. Leñador especies
den clasicar en especies S y el número de colinas
es h. Los leñadores que pertenecen a una particu- Los atributos de las especies de leñador i incluyen

ˆ
lar especie, tienen que seguir la misma estrategia, y los siguientes:
fi
ˆ
adoptar el mismo método de toma de decisiones. un decisión función de desiciones,

Cada leñador selecciona una colina favorita para una variable de la aptitud, la aptitud i .

vivir. Competir o cooperar con otros leñadores que

han seleccionado la misma colina, se extraen árbo- 4.1.2. La colina
les que crecen en el tiempo. Por lo tanto, un leñador
La colina es la etapa del juego del dilema de los
de la población se convierte en un jugador en una

ˆ
leñadores y se compone de los siguientes:
colina y juega el juego LD allí. Cada juego en una
colina está completamente aislado de los juegos en El conjunto de jugadores:
N = {1, 2, . . . n}
las otras colinas, es decir, los leñadores en una co-
lina particular no tienen idea de cómo los juegos se ˆ El conjunto de los recursos:
E = {1, 2, · · · M }
juegan en otras colinas.

2. La colina, el lugar donde se juega ˆ Una variable de tiempo, cuyo valor indica el

el juego de LD . número redondo:

(t = 1, 2, . . . , T ).
Denotemos el número de árboles en cada coli-
Dentro del marco general del juego de DS, un
na por m , y la de los leñadores por n . Ahora, n
leñador en una colina se considera un jugador y
leñadores competirán por m árboles y se cortaran
un árbol en una colina que se considera un recur-
en maderas. Varios leñadores de la misma especie
so. Nosotros usamos estos términos en la siguiente,
pueden vivir en la misma colina. Estos n jugadores
aunque utilicemos leña y el árbol al hacer hincapié
jugar en varias ocasiones. A la conclusión del juego
en puntos especícos del dilema de los leñadores. A
(cuando todos los jugadores han llegado a t=T ),
lo largo de los experimentos en este documento, el
promedio de cada jugador. Esto da el estado físico
parámetro T es comúnmente ajustado a 400, que es
de cada jugador.
también la vida de cada uno de leñador.

4.1. Mundo del juego: el ecosis- 4.1.3. Trae un leñador de la colina de

tema del dilema de los leñadores la población

Cada leñador en el población al azar selecciona

En esta sección, se explica el ecosistema dilema
una colina, va ahí, y obras de teatro el LD juego
de los leñadores. El ecosistema es el juego LD.
para su todo vida. Cada leñador en la población
Mundo en el que los leñadores viven y dejan su
selecciona al azar una colina, va allí, y juega el juego
descendencia. Hay varias colinas en este mundo, y
LD para toda su vida. El procedimiento seguido en
en cada colina, algunos leñadores juegan el juego
el experimento real es el siguiente:
del dilema de los leñadores.
A continuación, se describen los componentes del 1. Seleccionar una colina en el ecosistema LD (la
mundo del juego y sus correspondientes variables. colina i ).
El componente elementos de los leñadores dilema
2. Seleccionar una especie de leñador en la pobla-

ˆ
ecosistema incluye el siguiente:
ción al azar y llevar un leñador de esa especie
un conjunto de especies de leñador:
a la colina i. Este leñador se llama un jugador
S = {1, 2, . . . , s}
ˆ un conjunto de las colinas:
en esa colina.

H = {1, 2, . . . h}
ˆ una variable de generación:
3. Repetir el procedimiento (2) hasta que el nú-
mero de jugadores alcanza el límite n. Leña-
Generación = (1, 2, . . .)
ˆ una variable que representa el número de espe-
dores de la misma especie pueden existir en la
misma colina.
cies hecho extinguida por el proceso de selección, k
. Los procedimientos anteriores se aplican a todas las
Una especie de leñador se dene como el conjun- colinas de la colina (desde la colina 1 hasta h ). Co-
to de todos los leñadores en la población que tienen mo resultado, cada colina llega a tener n jugadores,

13
y el juego LD se juega en cada colina. Las espe- m árboles. Cada jugador posee una variable unidi-
cies de jugador i en la colina η(H) se denota por mensional que representa su estado, con una fun-
S(η, i), o que abreviamos como S(i) cuando la co- ción de toma de decisiones (estrategia). Por ejem-
lina del jugador no es importante. Entre los nh le- plo, el estado del jugador i se denota por y i (t),
i
ñadores totales en todas las colinas, el número de y la función de toma de decisiones de f , de-
leñadores de las especies σ(S) se denota por el nú- nota por y(t) : (y 1 (t), y 2 (t), . . . , y n (t)) and f =
mero (σ), mientras que la puntuación media del ju- (f S(1) , f S(2) , . . . , f S(n) ). Cada componente de x(t)
gador i en la colina η en el juego LD se denota por y y(t) está representado por un número real positi-
medio (η, i), cuandoηH e iN . vo. En el juego LD, el estado de un jugador tiene
dos características importantes. En primer lugar,

4.1.4. Aptitud y cambio de generacio- aumenta de acuerdo con el tamaño de la madera

nes obtenida a partir de un árbol. En segundo lugar,

se reduce si el jugador toma ninguna acción y no
Los juegos de LD sobre todas las h colinas obtiene ninguna madera. Es decir, el estado de un
en su conjunto se consideran una generación del jugador puede ser considerado para representar el
juego. Después del término de una generación, grado de la alimentación, la riqueza, etc. Estos es-
varias especies se seleccionan con respecto a la tados gobiernan la aptitud de los leñadores.
aptitud y la replicación, acompañado de un proceso Los jugadores deciden sus acciones haciendo re-
de mutación, antes de que comience la próxima ferencia a los tamaños de los árboles, x(t), y los
generación. La adaptación de la especie σv se puede estados de los jugadores, y(t)4 . La totalidad de
calcular como la puntuación media de todos los las acciones de todos los jugadores se denota por
jugadores de todas las colinas que pertenecen a la a(t) = (a1 (t), a2 (t), . . . , an (t)). La acción individual
especie σ de la siguiente manera: de cada jugador puede ser uno de los m + 1 posibles
acciones: no hacer nada,corte del árbol 1, corte del
ΣηHΣiN ,S(η,i) =σ average(η,i)
aptitudσ = numberσ
árbol 2, . . . , o corte del arból m. Estas acciones
Antes de que comience la próxima generación, la están representados por 0, 1, 2, . . . , m, y el con-
especie k con la condición física más baja se elimi- junto de todas estas acciones viables se denota por
nan de la población en un proceso de selección. Los A.
sobrevivientes (S − k) especies pueden dejar a sus Por lo tanto, las propiedades de los jugadores y
descendientes a la siguiente generación, y estos par- los recursos son los siguientes:
ticipantes tendrán la misma decisión haciendo fun-
ciones como sus respectivos antepasados. Las espe- El estado de los recursos (el tamaño del arból):
n
cies extintas se sustituyen por k nueva especie, que x = (x1 , x2 , . . . , xm )R+ ;
son mutantes de k especies seleccionados al azar de
entre las especies sobrevivientes (S − k). El proceso El estado de los jugadores: y =
de mutación se explica en detalle más adelante. A
(y 1 , y 2 , . . . , y n )R+
n
;
lo largo de todos los experimentos reportados en es-
Las acciones de los jugadores: a =
te trabajo, se establecieron los parámetros s y k se
(a1 , a2 , . . . , an )An ;
establece s = 10 y k = 3. El procedimiento anterior
se repite a continuación, en la siguiente generación.
La función de toma de decisiones de los juga-
dores: f = (f S(1) , f S(2) , . . . , f S(n) ).
4.2. El juego del dilema de los
leñadores en una colina. 4.2.2. Una ronda de un juego LD
El mismo procedimiento se repite T veces en el
Aquí le damos una explicación detallada del jue-
juego LD, y esto produce la dinámica del juego en
go jugado por los n leñadores (jugadores) en cada
una colina. La unidad de esta repetición se denomi-
colina.
na una ronda. Los factores que rigen el comporta-
miento del sistema en una ronda son los siguientes:
4.2.1.Los jugadores y los recursos

En cada colina, allí viven leñadores n (jugado- 1. La ley natural. Los estados de los jugadores

res) que compiten por los m árboles (el recurso y de los recursos (los tamaños de los árboles)

de la colina). Denotemos el estado de los recur- cambian de acuerdo a una ley natural.

sos de una colina en el tiempo t por x (t ). x(t) = 4 Para ser precisos, sus decisiones no están basadas en x(t)
(x1 (t), x2 (t), . . . , xm (t))es un vector m -dimensional y y(t), pero en x(t)0y y(t)´. Estod puntos será tocados mas
cuyos componentes representan los tamaños de los adelante.

14
 2. La toma de decisiones de los jugadores. Cada Donde z es el tamaño del árbol. En este caso, el
jugador elige su acción teniendo en cuenta los árbol crece a un ritmo de 50 %, pero su tamaño no
estados de los jugadores (incluido el suyo) y de exceda de 1.0.
los recursos.

3. Efectos de las acciones. Las acciones de los ju-

gadores afectan el estado del recurso en la co-
lina. A saber, los tamaños de los árboles cor-
tados por los jugadores se reducirán en conse-
cuencia. La madera cortada de un árbol se di-
vidirá por igual entre todos los jugadores que
cortan el árbol juntos, la obtención de la ma-
dera aumenta el valor de estado de un jugador.

(1) La ley natural. La ley natural (Sección 2.4) de

un juego de DS afecta a la dinámica de juego, pero
no tiene nada que ver con la toma de decisiones de
los jugadores. En los juegos LD, las leyes naturales
tienen dos funciones: para disminuir el valor de los
estados de los jugadores, y i (t)0 = uN (y i (t))(iN ), y
para aumentar el tamaño de los árboles, xk (t)0 =
uΞ (xk (t))(kΞ).
La disminución de los valores de los estados de
los jugadores, que es denido por el mapa uN se
representa como y i (t)0 = uN (y i (t)) . El valor de
estado del jugador i y (t+1)en la próxima ronda
i
i
sigue siendo y (t) a menos que adquiera la madera.
Aquí elegimos una forma de amortiguación de este
mapa dado por uN (z) = kz(kmenor1). A lo largo
El crecimiento de una siguiente u0 árbol se mues-
de los experimentos, el coeciente constante k se
tra en la Fig. 3. Para mayor comodidad, llamamos
establece en 0.8.
a este mapa u0 lineal a trozos o, simplemente, un
La regla de crecimiento de los árboles está dada mapa lineal.
por el mapa uΞ , según el tamaño del árbol i, xi se (2) La toma de decisiones de los jugadores. Todos
0
cambiará a xi : los jugadores tienen sus propios mecanismos para
xi (t)0 = uΞ (xi (t)). decidir sus acciones: decidir qué árbol para cortar,

´
Si un árbol no se corta, su tamaño en la siguiente o que se abstengan de cualquier acción. Cada juga-
ronda de xi (t + 1) está dada por xi (t) . Para uΞ , dor elige su próximo acción a(t) de una manera que
utilizamos dos tipos de mapas. En los experimentos depende del estado de su entorno, x e y. Una expli-
descritos en el presente documento, se utilizó prin- cación detallada de la función de toma de decisiones
cipalmente la siguiente función polinómica de tres f está dada más adelante (Sección 4.3).
dimensiones: Efecto de las acciones de los jugadores. Las
(3)
uΞ (x) = 0,7x3 − 2,4x2 + 2,7x. acciones de los jugadoresa(t) pueden reducir los ta-
El gráco correspondiente para y = uΞ (z) se mues- maños de los árboles x(t)0, y los valores de los esta-
tra en la Fig. 2 (a). Llamamos a este mapa un mapa dos de los jugadores que cortan los árboles aumen-
convexo debido a su forma. El proceso de crecimien- tan en consecuencia. En los experimentos reales, el
to de un árbol de una condición inicial x(0) = 0,10 tamaño del árbol i se va a convertir, en la siguiente
se muestra en la Fig. 2 (b) para el caso en el que no ronda, y vi veces más grande de lo que era, donde vi
se tala por ningun jugadore. Como se muestra en es el número de jugadores que la cortan (γ ≤ 1).
esta gura, el árbol crece rápidamente hasta alre- xi (t + 1) = γ vi xi (t)0.P
dedor de 3, pero está casi saturado a alrededor de Tenga en cuenta que iΞ vi ≤ n, ya que cada
4. Así, se ve que esperar demasiado tiempo no es jugador puede cortar a lo sumo un árbol en una
necesariamente una buena estrategia para los leña- ronda determinada. A lo largo de los experimentos,
dores. 1
el parámetro γ 3 . Observamos que
se establece en
1
Otra ley natural para el crecimiento de los ár- los resultados de las simulaciones con γ =
2 no son
boles que utilizamos en este trabajo es la siguiente signicativamente diferente.
función: Adquisición de un recurso cambia de estado de un
uΞ0 (z) = min(1,5z, 1,0), jugador. En este juego LD, un estado del jugador i,

15
y i (t) se toma para ser una función lineal del tamaño con x e y. La función para el jugador i (N ) que
i
de la madera que adquiere. Supongamos que a (t) = representa el mecanismo de toma de decisiones se
µ, el jugador i puede decirse que se han talado un dene como la función de toma de decisiones del
i
árbol μ a menos a (t) = 0. Aquí denota el tamaño de jugador i, f S(i) , donde S (i) denota las especies
jugador i
i i
la madera de construcción por ∆ .∆ , por supuesto, que el pertenece. f S(i) es la estructura
cero si el jugador i tiene seleccionado la acción 0, interna del jugador i y es invisible para los demás
es decir, no hacer nada. De lo contrario, se puede jugadores. La función de toma de decisiones del
determinar por el siguiente: jugador i actúa de la siguiente manera:

xµ (t) 0 − xµ (t + 1) (1 − γ vµ ) ai (t) = f S(i) (x (t) , y (t)) .

∆i = = uΞ (xµ (t)) . Aquí, f puede depender del estado de todos los ju-
vµ vµ
gadores o sólo en el estado de los vecinos más cerca-
Por lo tanto ∆i es el incremento en valor del estado nos. Hay muchas posibilidades para la elección de f,
del jugador i : pero cualquier estructura para f es válida siempre y
y i (t + 1) = y i (t) 0 + ∆i . cuando el mapa utiliza sólo x e y como entradas. En
el juego LD, hemos elegido f para ser muy simple
4.2.3 Utilidad de los jugadores en una como se muestra a continuación.

ronda
Como se ha indicado en la Sección 4.2.1, el estado 4.3.1. Referencia al estado de los ju-
de un jugador puede ser considerado como su esta- gadores
do nutricional, estado monetaria, etc. Suponemos
En la sección 4.2.1, el conjunto de los jugadores
que la utilidad del jugador i (∀iN ) es simplemen-
y los estados de los jugadores se denieron de la
te el estado actual, yi . Con respecto a la primera
siguiente manera:
ronda del juego LD, la utilidad del jugador i para
i
la ronda se maximiza eligiendo ∆ tan grande co-
mo sea posible. La utilidad de un jugador es una
Conjunto de jugadores: N = {1, 2, . . . , n} ,

función creciente de la tamaño del árbol que corta Estado de los jugadores: y = y1 , y2 , . . . , yn .
y una función decreciente del número de personas Sin embargo, esta representación se da desde nues-

que cortan del mismo árbol. tro punto de vista como observadores de los expe-
rimentos. Hemos asignado a los índices de los juga-

4.2.4. Juego iterado dores, el jugador 1, el jugador 2, .... El n de esta

asignación de números tiene sentido desde el punto
En el juego LD, los procedimientos anteriormen- de vista de cada jugador.
te descritos constituyen una ronda se repiten
5 has- Aquí, estipulamos que los jugadores en una
ta que el número de rondas alcanza el máximo, T. colina desde el punto de vista de un jugador en
Después de la ronda nal, la puntuación media de particular (el jugador i ) se describen de la siguiente
cada jugador para T rondas se calcula, y las pun- manera:
tuaciones individuales de cada jugador aumenta o
disminuye la aptitud de las especies que pertenece Conjunto de jugadores: Ñ = {1, 2, . . . , n} ,

(Sección 4.1.4). Estado de los jugadores: ỹ = ỹ 1 , ỹ 2 , . . . , ỹ n .
La puntuación media (utilidad) del jugador i (N )
 
La correspondencia entre (N, y) y Ñ , ỹ depende
en la colina η (H) viene dada por
P T i
y (t) de cómo el jugador i constata el mundo exterior. En
media (η, i) = t=1
T .
primer lugar, el jugador i se identica a sí mismo
como jugador n dentro de la propia función de toma

4.3. Función de la toma de deci- de decisiones; Por lo tanto, yi corresponde al último

n
componente de ỹ, ỹ .
siones En cuanto a la disposición de otros componentes,
hay varias posibilidades. Por ejemplo, consideremos
Cada jugador decide su propia acción, a, basado
el caso de que cada jugador que distingue a los de-
en los estados de sus alrededores, que se indican
6
más por su ubicación, como fue el caso en los expe-
5 Un juego LD puede ser considerado como un tipo de rimentos considerados en este documento. Cuando
juego iterado, aunque la recompensa para una acción deter-
n jugadores están situados en un círculo, podemos
minada generalmente cambia con el tiempo. De esta manera
el juego LD se diferencia de los juegos que se repiten exis-
hacer una correspondencia de uno a uno entre N y
tentes ordinarios, como el IPD (Sección 3.1). Ñ, y también entre los componentes de y y y del
6 Aquí, x e y son usados por simplicidad, aunque, estric-
tamente hablando, x e y aquí deberían ser escritos como x0y y0.

16
jugador i. Jugador i se reere, por ejemplo, el si-
guiente jugador en su izquierdo como el jugador 1,
f S(i) (x, ỹ) = ai if mtvai (x, ỹ) ≥ maxmtvr (x, ỹ).
el segundo a la siguiente como el jugador 2 ..., y rA
que considera el siguiente jugador a su derecha co-
Llamemos el mecanismo anteriormente descrito uti-
mo el jugador n − 1, etc. Medida en que el jugador
lizando el mapa de motivación del sistema de mo-
i puede distinguir a los otros jugadores numeran-
tivación. Al determinar la acción a tomar, la infor-
dolos por algún medio, este método de numeración
mación pertinente relativa al conjunto {mtvr } no es
está se puede hacer si otros pueden estar situados
el valor absoluto de cada mtvr , pero la identidad
en una línea, en zigzag, o dispuestos aleatoriamente.
del elemento con el valor más grande.
Como segundo método de identicación de jugado-
res, cualquier jugador dado (que se identique a sí Hay muchos tipos de implementaciones para los

mismo como jugador n ) los números de los otros mapas {mtvr | rA} puede ser apropiado, siempre

jugadores de 1 a n − 1 con el n de disminuir el y cuando cada uno es un mapa de (x, ỹ) a los

valor de su estado. números reales. En este trabajo, cada mapa se

En el presente modelo, el estado propio de un dene como una función unidimensional de los

jugador, ỹ n , por lo general tiene un papel especial objetos de valor de estado x e y de la siguiente

entre las variables de entrada para la propia fun- forma:

ción de toma de decisiones del jugador. A lo largo

del desarrollo o evolución de la función de toma θlr ỹ l + ξr
P P
mtvr : (x, ỹ) 7−→ ηkr xk +
de decisiones, sin embargo, no imponemos un papel kM lÑ
especial para ỹ n con antelación. El estado propio Aquí, {ηkr }y {θlr }son matrices reales y {ξr }es un
de un jugador y los de otros jugadores no se dan de vector real. Estos coecientes determinan los valo-
forma explícita diferentes papeles como variables de res de los jugadores asignados a la estrategia a veces
entrada para la función de toma de decisiones. Al puede decidir qué jugador es superior.
principio, la única distinción entre ỹ n y las otras va-
La formulación utilizando esta programación
riables de estado del jugador es su ubicación. Es a
lineal puede ser la forma más sencilla de denir
través de la evolución de la función de toma de de-
la estructura mtv para los jugadores para hacer
cisiones que el propio estado ỹ n empieza a tener un
drente al entorno de juego dinámico. Por supuesto,
papel especial en la función de toma de decisiones.
algoritmos de decisión más sosticados que utilizan
en R
m n
mapas de R+ × R+ también se puede utilizar
4.3.2. Sistema de motivos
Para la implementación concreta la función de to-
ma de decisiones, f : (x, ỹ) 7−→ a, introducimos el
mapa de motivación mtvr , para cada acción viable 4.3.3. La mutación de la función de
r(rA). Podemos conocer el incentivo de un jugador
a tomar la acción r por mtvr , dada por un núme-
toma de decisiones
ro real. En el juego LD, mtv0 denota el incentivo
En el ecosistema de juego LD, nuevas especies
para no hacer nada, y mtvr (rA, r 6= 0) denota el
mutantes con mayor aptitud pueden sustituir a las
incentivo para talar el árbol r. En este caso, el con-
especies con menor aptitud. El proceso de muta-
junto de mapas de motivación, mtv, se puede de-
ción es implementado por un ligero cambia de pa-
nir de la siguiente manera: mtv = {mtvr | rA} =
rámetros de la función de toma de decisiones de la
{mtv0 , mtv1 , mtv2 , . . . , mtvm } .
especie madre, es decir, las matrices η y θ , y el
La estructura de un jugador mtv varía a lo largo de
vector ξ. Cada componente de η, θ, y ξ de la nueva
su evolución. El funcionamiento de mtvr se puede
especie es elegido como un número aleatorio de dis-
describir como sigue:
m n tribución normal con varianza alrededor de un valor
mtvr : R+ × R+  (x, ỹ) ≥ maxmtvr (x, ỹ) .
medio que es igual al valor de la caracterización de
rA
Cada jugador selecciona la acción cuya motivación la especie madre. (A lo largo de los experimentos,
tiene el valor más grande entre los conjuntos σv fue ajustado a 0.10.)
{mtvr }. En este sentido, mtvr puede decirse que la
función de utilidad para la acción de r. Mediante
(= maxrA mtvr (x, ỹ)) .Sin embargo, la posibilidad de que
el uso de {mtvr } , la representación concreta para
esto ocurra se aproxima a cero a medida que las generacio-
S(i)
la función de toma de decisiones f del jugador nes proceden y las estrategias se hacen más complicado, ya
(iN ) se puede denir como
7 que mtv está determinada por varios números reales. Para
este tipo de eventos con incentivos idénticos.}, se seleccio-
7 Existe la posibilidad de que haya dos incenti- na la acción con el índice más pequeño en el experimento
vos mtvi (x, ỹ)y mtvj (x, ỹ)que tengan valores indénticos numé´rico aquí.

17
4.4. Condiciones iniciales tipos de juegos DS que dieren del nivel de la des-
cripción concreta de la dinámica pueden clasicar
Hemos llevado a cabo varios experimentos con en el mismo juego estático.
diferentes condiciones, cambiando el número de ár-
boles, el número de jugadores, el tipo de funciones
de toma de decisiones, etc. En este caso, el resto de
ajustes iniciales que aún no han sido descritos son 5. Simulación
elegidos de la siguiente manera.
El escenario de la primera ronda del juego en cada evolutiva de una sola
colina es de la siguiente manera:
persona juegos LD
Valor de cada xi (iΞ) : 0,10 ;

Valor de cada ỹi (jN ) elegido de números alea- 5.1. Introducción

torios de una distribución normal con media
0.10 y varianza 0.10.
5.1.1. Características de los juegos de
Los coecientes de los parámetros η, θ y ξ para to- una sola persona
mar la decisión de las funciones de las 10 especies
Uno puede llamar a este juego LD un juego de
iniciales de leñador en el ecosistema LD se generan
una sola persona, aunque, estrictamente hablando,
números al azar de una distribución normal con me-
por denición, un juego de una sola persona no pue-
dia 0.0 y varianza 0.1. Un coeciente alrededor de
de ser llamado un juego.
8
0.0 implica que el leñador en la primera generación
presta la suciente atención a su entorno y su pro- Juegos de una sola persona son simplemente ma-

pio estado. A través de la evolución de los jugadores ximización (o minimización) de problemas, es decir,

empiezan a considerar el mundo exterior y sus pro- la solución racional para un jugador en un juego de

pios estados. una sola persona siempre puede ser decidido única-
mente por la optimización de algunos funcionales ,

4.5. La discusión de la estructura de mientras que en los juegos con varias personas que
por lo general no es posible que un jugador para de-
pagos en los juegos LD desde el punto cidir su mejor comportamiento sin tener en cuenta
de vista de los juegos estáticos los procesos de toma de decisiones de los demás.
Por lo tanto, la dicultad en la solución de la estra-
Veamos, ahora tocamos lo que debe tenerse en
tegia óptima en los juegos de una sola persona es
cuenta acerca de la estructura de pagos del juego
sólo una técnica en lugar de uno conceptual, a pesar
LD simulado en esta sección. Desde el punto de vis-
de su signicancia [12]. Desde el punto de vista de
ta del juego estático, juegos LD con una ley natural
teoría de juego, lo que más importa en problemas
de ruta de tipo convexo para el crecimiento de los
de optimización ordinarios, como el problema del
árboles y los que tienen una ley natural de ruta de
viajante, es la posibilidad de construir la matriz de
tipo lineal son esencialmente los mismos. Conside-
pagos en sí. Una vez que se construye la matriz de
remos, por ejemplo, de una sola persona, juego LD
pagos de un juego de una sola persona, la solución
de un árbol. En el juego estático corresponde a una
para el comportamiento óptimo es meramente una
sola ronda de un juego LD, la banda sonora de la
cuestión de determinar la estrategia cuya rentabili-
acción de cortar un árbol en la matriz de pagos es
dad es la más grande.
siempre mayor que el de la acción de espera, in-
Por supuesto, el dilema que algunos juegos con
dependientemente de la elección de mapa de tipo
varias personas implican que no pueden aparecer
convexo o mapa de tipo lineal. Por otra parte, la
en un juego de una sola persona, incluyendo una
acción de esperar a veces trae al jugador un bene-
sola persona, juegos de dilema de leñadores, aun-
cio de largo alcance en cualquier tipo de juego LD.
que el nombre implica el término dilema. La pala-
En caso de juegos con varias personas, el juegos LD
bra utilizada dilema con respecto a los juegos con
de ambos tipos implican un dilema social y un jue-
varias personas por lo general corresponde a la si-
go de este tipo podría tomar la forma de un dilema
tuación en la que la toma de decisiones racional de
de n personas prisioneros si está representado como
cada jugador para maximizar su utilidad personal,
un juego estático. De hecho, los jugadores pueden
paradójicamente, se traduce en la reducción de los
maximizar sus benecios colectivos de la coopera-
servicios públicos de todos los jugadores.
ción mutua en la espera para el crecimiento de los
árboles, pero cada uno de ellos pueden maximizar 8 Juego no es nada, pero una formulación matemática re-
su benecio personal entregando los demás y el cor- presentando problemas entre más de tomadores de decisio-
te de los árboles más antiguos. Por lo tanto, varios nes.

18
 Es decir, si los jugadores cooperan, todos ellos
podrían adquirir los servicios públicos más altos
(Pareto dominante), pero su racionalidad no per-
mite esta adquisición. Por otro lado, en los juegos
de una sola persona, la toma de decisión racional
de un jugador siempre maximiza su utilidad. Aho-
ra consideremos el caso de un juego LD de una sola
persona. En un juego de este tipo, la mejor estrate-
gia para un jugador es, simplemente, esperar siem-
pre para el crecimiento ciente de un árbol y luego se
corta, porque no hay ningún competidor que inten-
ta robar el jugador de la prot en este juego. Por lo
tanto, el juego es simplemente un problema de ma-
ximización. Aquí, el jugador puede controlar com-
pletamente los tamaños de los árboles y por lo tanto
puede aumentar la puntuación media por vuelta.

5.1.2. intereses principales

Hay dos puntos principales de interés en una so-
la persona juegos LD. En primer lugar, estamos in-
teresados en cómo un jugador maximiza su utilidad
en un juego con la dinámica. Tenga en cuenta que
existe una situación de dilema similar, incluso en el
juego LD de una sola persona. Al cortar un árbol
el jugador siempre se da cuenta de una puntuación
más alta en el siguiente paso. Sin embargo, la es-
trategia de cortar un árbol en cada paso es por lo
general no bueno para el largo plazo. Aquí necesitamos una estrategia que tenga en
cuenta la dinámica del juego. Para la comparación,
consideremos un juego estático, el juego G, repre-
sentado por la matriz de pagos en la Tabla 4. Aquí,
como un asunto de curso, el jugador debe seleccio-
nar la estrategia B, por lo que puede obtener un
puntaje de 8. Así, es fácil determinar la solución de
un juego de una sola persona, una vez que la ma-
triz de pagos es dada como una regla. En caso de
que el juego consta de la iteración del juego G, la
mejor estrategia es simplemente la iteración de B
(B). En una persona los sistemas dinámicos juego,
sin embargo, el comportamiento de un jugador en
cada ronda con frecuencia cambia de acuerdo con
la dinámica del juego, que pueden ser representados
por una matriz de benecios dinámicos (Tabla 5).
El segundo punto de interés aquí es la evolución ob-
servada en una persona LD juegos que tienen (apar-
te del número de jugadores) las mismas condiciones
como en unas múltiples personas LD juegos (que
se investigarán en los siguientes documentos). Es-
tamos especialmente interesados en conocer cómo
evoluciona en función de la toma de decisiones de
una sola persona LD juegos con la consideración
hecha sólo del entorno de juego (Sección 2.2) y el
propio estado del jugador.
Hemos llevado a cabo tres ensayos para cada tipo
de LD juegos con las mismas condiciones, pero con
diferentes semillas. (Los números aleatorios son uti-

19
lizados para generar las primeras especies, creando 5.2.2. El juego en las primeras gene-
mutantes de la especie desde el juego anterior, y raciones (carta de acción, tabla de re-
decidir en qué Hill, un jugador de una especie par-
cursos, gráco de estado, y la toma de
ticular vivirá.) Para cada tipo de juego, un ejemplo
típico de los tres experimentos es presentado aquí.
decisiones función).
En la siguiente sección, una simulación evolutiva
de una persona con ruta tipo convexo LD juego es En las Figs. 5(a)-(c), la dinámica de un jugador

investigada. El resultado de una persona con dos de especies ID-00001 se traza. En este experimento,

árboles de ruta de tipo convexo LD juego está dada esta especie existió hasta la cuarta generación. Las

en el Apéndice A. Los fenómenos evolutivos de ruta Figs. 5(a)-(c) muestran la dinámica de la acción

de tipo lineal LD juego se examinan a continuación del jugador, el tamaño del árbol, y el jugador del

(en la última parte de la sección 6). estado, respectivamente. En todas estas cifras,
estas cantidades se representan frente a la ronda

ª
en un eje horizontal. Aquí, sólo el comportamiento
hasta la 50 ronda (entre el T = 400 balas) se
trazan, puesto que este comportamiento se repite
en forma periódica más allá de este punto.

5.2. Un árbol en una colina

5.2.1.Bosquejo de la evolución (grá-

co de la aptitud)

En primer lugar, consideramos que la evolución

de la simulación de una persona, un árbol de ruta
de tipo convexo LD juego. En las Figs. 4(a)-(c) (ca-
da uno de los cuales es llamado un gráco), que la
aptitud que la especie más aptos de cada genera-
ción (la generación de especies más aptas) posee, al
que llamamos el valor el más apto de la generación,
se traza con la generación. En cada tabla de apti-
tud, el eje horizontal corresponde a la generación,
mientras que el eje vertical corresponde a los más
aptos de cada generación de valor.
En la Fig. 4, en cada caso, el valor más apto no dis- Fig. 4. Gráco de Aptitudes en un LD juego con un leñador
y un árbol: el gráco de Aptitudes se muestra: (a) hasta
minuye y aumenta paso a paso con la generación,
la décima generación; (b) desde la 10ª a la 70ª; (c) hasta
aunque el valor es casi saturados en aproximada- la 300ª. En todas las cifras, el eje horizontal representa la
mente 1,5 en generaciones muy pronto. Esta forma generación, y el eje vertical representa el valor de Aptitudes
de la generación, que es el valor de la gimnasia de las más
no decreciente es bastante natural, ya que este jue-
aptas especies de cada generación.
go es un juego de una sola persona. La idoneidad de
cualquier especie en un juego de una sola persona
está determinada únicamente por su estrategia (ya
que no hay ninguna interacción con otras especies). En la Fig. La letra a) del apartado 5, la acción
De ahí una nueva especie puede introducir la po- del jugador en cada ronda, donde se muestra la
blación sólo por el aumento de su propio gimnasio, acción de n ≥ 1, la acción n consiste en cortar el
no reduciendo la aptitud de otras estrategias. árbol n, mientras que la acción 0 es simplemente
Como se muestra en las Figs. 4 (b) y (c), el valor no hacer nada. Los ejes verticales de higos. 5(b)
de la aptitud puede aumentar en las generaciones y (c) representan el tamaño del árbol y el estado
posteriores, pero el aumento se hace mucho más del jugador, respectivamente. Llamamos a guras
pequeña. Además, la frecuencia a la cual aumentos como los higos. 5(a)-(c) como la acción gráco, el
se producen también se reduce en las generaciones gráco de recursos, y el estado gráco, respectiva-
posteriores. Por ejemplo, más allá de las parcelas en mente
la Fig. 4, nuevo las especies más aptas aparecen en .
la parte 314a, 3604a, 5847a, y8983rd generaciones.

20
 5.2.3.La función de toma de decisio-
nes
La tercera especie más apto en la cuarta
generación, ID E-0000000, tiene la función de
toma de decisiones se ilustra en el gráco de
radar (ver Fig. 2). 7). Una función de toma de de-
14
cisiones en este papel es representado como sigue:

θlr y l + ξr . rA
P P
mtvr (x, y) = ηkr xk +

En la actualidad, los parámetros de simula-

ción se establecieron como N = {1}, Ξ = {1}; y
A = {0, 1} (correspondiente a la espera y talar un
árbol, respectivamente). En la Fig. 7, mtv1 está
trazada por la línea punteada y MTV1 por la línea
sólida. El coeciente de x1 , η1r corresponde al eje
denominado "Medio ambiente" (el único de los
Fig. 5. (a) la acción gráco - la dinámica de la acción del recursos ambientales, el árbol), el coeciente de
jugador. (b) recurso gráco - la dinámica del tamaño del y 1 , θ1r corresponde al eje denominado "Me" (un
árbol. (c) el estado gráco - la dinámica del estado del ju-
gador. En el gráco de la acción, el promedio del estado del
solo jugador), y el término constante, ξr , eje es

jugador (la puntuación media) para T rondas aparece en el denominado "constante".

título y el nombre del leñador especies a las que pertenece Consideremos el signicado de la función de toma
el reproductor se muestra en la leyenda (en el recuadro). En de decisiones del jugador de especies ID-0000000E.
el gráco de recursos, el tamaño promedio del árbol para T 9
rondas se adjunta al título. Por ejemplo, (a) y (b) muestran
que el reproductor de la especie-00000001 ID tiene una pun-
tuación media de alrededor de 0,25 y el tamaño promedio de
los árboles es de alrededor de 0,91.

Fig. 5(a) muestra que este reproductor básica-

mente repite el patrón de cortar el árbol y no hacer
nada para las 11 rondas y, a continuación, corte
el árbol de nuevo y repetir este proceso indenida-
mente. Fig. 5(b) traza el aumento del tamaño del
árbol mientras el reproductor está esperando, pero
el crecimiento se desacelera considerablemente des-
pués de las aproximadamente tres rondas. En este
sentido, este jugador de espera demasiado largo pa-
ra el crecimiento del árbol. En realidad, la aptitud
del jugador no es buena, y llega a extinguirse den-
tro de esta generación.
La acción de un jugador de la tercera especie más
Fig. 6. La tercera especie más fuerte de la cuarta generación:
apto (dado por ID E-0000000) en la cuarta genera-
(a) la acción gráco; (b) recurso gráco; (c) estado gráco.
ción se muestra en las Figs. 6(a)-(C). Este reproduc-
tor se corta el árbol antes de su tasa de crecimiento
Como se ve en la Fig. 7, la línea de puntos me cruza
se ralentiza considerablemente las ganancias y más
el eje en un valor positivo (lo que se conoce como
ganancias que el jugador de la Fig. 5. Por lo tanto,
θ10 ) y cruza la línea sólida en un valor negativo
especies cuya estrategia gestiona ecazmente las di-
(lo que se conoce como θ11 ). De ahí que, como
námicas de juego para adquirir el benecio a largo 1
el valor del estado del reproductor .y / aumenta
plazo (madera) puede sobrevivir a la próxima ge-
el incentivo a esperar también aumenta, mientras
neración. (La dinámica de juego gestionado por el
que el incentivo para cortar el árbol disminuye. De
más apto en especies de la cuarta generación tiene
la misma manera, el reproductor deja de esperar
una característica similar a la de generaciones pos-
si el tamaño del árbol x1 aumenta, porque la
teriores, como se muestra más adelante (período-2
dinámica presentados en la sección 5.2.4). 9 14 usamos y en lugar de y aquí por la sencillez.

21
línea discontinua que cruza el eje entorno a un
valor negativo η10 , es decir, él espera cuando esté
satisfecho (su estado tiene un gran valor) y corta
el árbol cuando el árbol ha crecido grande. Esto es
razonable en la toma de decisiones.

Fig. 8. Administrar el entorno de juego con periodo-2 ciclo

Fig. 7. La función de toma de decisiones de la tercera especie
(la 64ª generación).
más aptos en la cuarta generación. Los parámetros utiliza-
dos en la decisión en función de la tercera especie más aptos
haciendo en la cuarta generación, ID-0000000E, están com-
pletamente representado por este gráco radial. Si el jugador corta el árbol cada tercera ronda,
él puede obtener más madera desde el árbol por
corte, pero el valor de la media de estado del
jugador más rondas T es menor en este caso. La
gestión del crecimiento de los árboles con periodo-2
Si un jugador no se considera un parámetro concre-
de ciclo, que es similar a la de la Fig. 8, adoptado
to, la toma de decisiones, la función toma un va-

ª
también por la especie más fuerte de la cuarta
lor de cero parael coeciente correspondiente. Por
generación de la 3604 generación.
ejemplo, el jugador descrito por la Fig. 7 apenas
se reere al tamaño del árbol X1 como para el in-
centivo para cortar el árbol (mtv1 ), desde la sólida
línea cruza el eje de entorno en un punto cercano
a ceroη11 . En otras palabras, este reproductor de
incentivo para cortar el árbol sólo depende de su
satisfacción, no en el tamaño del árbol (mtv0 , sin
embargo, depende en gran medida de la x1 y y 1 ).

5.2.4 Cambio de dinámica de juego

con evolución
Figs. 8(a) y (b) muestran el comportamiento en una
Fig. 9. Evolución en las generaciones posteriores. Gráco de

ª
colina ocupada por un jugador más fuerte de la
la acción (a) y el recurso gráco (b) de la especie más fuer-
especie en la 64 generación (ID-000000C5). Este te de la 277ª generación. (c) el recurso gráco de la 3605ª
jugador consigue el crecimiento del árbol con un generación.

período-2 ciclo, es decir, como se ve en el gráco de

la acción (Fig. 8(a)), se corta el árbol cada segunda
ronda. Fig. 8(b) muestra que el tamaño del árbol
cambia periódicamente entre dos valores como si-
gue:
Fig. 9 se muestra el juego de LD en la 277 ª
generación. Las especies más aptas, ID-00000345,
se comporta como se muestra en el gráco de
la acción en la Fig. La letra a) del apartado 9,
pero el comportamiento es muy similar al que se


1. crecimiento del árbol basada en la ley natural
observa en la Fig. 8(a). La dinámica de crecimiento
(0.3064 0.6222).
periódico del árbol, con el tamaño varía entre 0,3 y

2. La decisión del jugador: "esperar" (0.6222  0,6, se realiza también en este caso. Sin embargo,
la especie-00000345 ID tiene, por supuesto, más
0.6222).
grande que la especie ID aptitud-000000C5 de la
Fig. 9. La diferencia entre la dinámica de estas


3. crecimiento del árbol basada en la ley natural
(0.6222 0.9194); dos especies sólo existe en la transitoria, antes de
que la dinámica del estado del jugador y el recurso


4. La decisión del jugador: "cortar el árbol" completamente cae en un ciclo periódico. Este
(0.9194 0.3064): El árbol llega a ser 1/3 período- 2 dinámico es característico de la especie
tan altos como antes, y el jugador adquiere la más fuerte a lo largo de muchas generaciones, pero
madera de la cantidad 0.9194-0.3064=0.6130, las variaciones en las dinámicas son exhibidos en el
aproximadamente. transitorio antes de la dinámica cae en un ciclo.
El predominio del período-2 dinámico termina en

22
la 3605 ª generación, cuando se convierte en una
especie de mejor apto que supervisa el período-7
dinámica (Fig. 9(c)). Una nueva especie dominante
del período-23 aparece en la 5848th generación y
uno de período-11 aparece en la 8984th generación.
Por lo tanto, se considera que el tiempo entre los
cambios de las especies más aptas es largo en las
generaciones posteriores.
5.2.5Dinámica de matrices de empate
El gráco de la aptitud, gráco de la acción, la car-
ta de recursos, y gráco de estado, presentado en
la sección anterior, son útiles cuando estudiamos la
dinámica de los juegos. Por otro lado, en la teo-
ría de juegos tradicionales, un juego generalmente
se describe mediante una matriz de pagos (en re-
15
presentación de forma normal ) o, en algunos
casos, por la repetición de un juego (juego iterado).
Aquí podemos discutir la pertinencia de estos grá-
cos para describir la dinámica de rentabilidad de
las matrices.
10
Si queremos utilizar la matriz de pagos en un juego
de DS, la matriz debe cambiar con el tiempo. La
dinámica de la matriz de pagos se muestra en la
cuarta generación es el mostrado en la Fig. 10(a),
lo cual corresponde a la LD juego de Fig. 5 en la
sección anterior. La recompensa para cada acción
0 o 1 se representa frente a la ronda. La recom-
pensa para cada acción está sentada aquí a ser el
tamaño de la madera que el jugador obtiene por la
acción. Por lo tanto, la recompensa de la acción 0
(espera), mostrado por la línea punteada, siempre
es cero, mientras que la dinámica de la recompensa
de la acción 1 (corte del árbol) se muestra por la
línea sólida es similar al recurso gráco en Fig. 5(a).
Esta dinámica se denomina la dinámica de la
matriz de pagos externos. Tenga en cuenta que,
en cualquier caso, la recompensa de la acción 1 es
mayor que la de la acción 0.
10 15 Un
juego representado en forma extensa, que tiene un
diagrama de bifurcación, es posible de ser transferido a un
juego en forma normal, y viceversa.
23
Fig. 10. La dinámica de la matriz de pagos (la cuarta gene-
ración): (a) la matriz de pagos externos; b) matriz de pagos
interno. En cada gura, el eje horizontal muestra la ronda y
el eje vertical muestra la rentabilidad para cada acción.
Mientras tanto, en la Fig. 10(b), la dinámica de la
matriz de pagos para cada acción es viable dado el
incentivo para la acción. Por ejemplo, la rentabi-
lidad se muestra por la línea punteada es el valor
de MTV0 y que se muestra por la línea sólida es
el valor de la MTV1. Nos referimos a la matriz de
pagos correspondiente a esta gura como la matriz
de rentabilidad interna. El jugador decide su acción
simplemente según esta aseveración matriz en cada
ronda. En el juego de DS para una persona, cada
recompensa interna es simplemente el incentivo pa-
ra una determinada acción r, mtvr .
Por lo tanto, esta matriz de pagos corresponde a
la de la tradicional teoría de juego. En la teoría de
juegos tradicionales, sin embargo, la matriz de pa-
gos está dada explícitamente como una regla, mien-
tras que en el juego de DS, la matriz de pagos es
construida por el jugador de acuerdo a su función
de toma de decisiones que determina su manera de
referirse al entorno de juego (y también a otros ju-
gadores de estado, en el caso de múltiples juegos de
persona).
ª
La dinámica de las matrices de pagos internos y
externos de un jugador de los más aptos en la 277
generación de especies se muestran en las Figs.
11(a) y (b)(cf. Las Figs. 9(a) y (b) en la sección
anterior). Por construir esa dinámica de la matriz
de pagos, como se muestra en la Fig. 11(b), el
jugador puede adquirir promedio relativamente
alto de puntuación en este juego de LD para una
persona. Esta construcción es posible a través
de las experiencias en un juego que sigue una
dinámica particular de la ley.

Fig. 11. La dinámica de la matriz de pagos (la 277ª gene-
ración):(a) la matriz de pagos externos; b) la rentabilidad
interna de Matriz.
24
Fig.12. Una simulación juego tipo LD para una perso-
na de mapa lineal .El gráco de la aptitud de la sola
persona de ruta de tipo lineal juego LD de la primera
generación de 60º se representa con una curva de ajuste
exponencial. La dinámica de juegos óptimos se realiza
en la 45va generación.
5.2.6 Simulación evolutiva de un ma-
pa de tipo lineal juego LD
Demos brevemente el resultado de una simula-
ción por ordenador muestra un mapa lineal para
un juego LD de una sola personas. El gráco de la
aptitud en la Fig. 12 para el juego de ruta de tipo
lineal muestra que el valor aumenta gradualmente
el más apto, pero no paso a paso con la generación.
(Compárese esto con el gráco de la aptitud para el
juego LD mapa de tipo convexo en la Fig. 4.) Por
otra parte, en el presente caso, la dinámica del jue-
go óptimos se dieron cuenta fácilmente por la 45va
generación.
6. Características de la
dinámica en los juegos
LD
6.1 El attractor de la dinámica
del juego
En esta sección, investigamos la evolución de la
dinámica del juego introduciendo el concepto de at-
tractors de la dinámica del juego. En los juegos LD
con un solo jugador que consideramos en este tra-
bajo, hemos observado la interacción y la inuencia
mutua de la estructura del juego y demostramos la
dinámica dentro de ella: el entorno del juego diná-
mico se encuentra determinado por las acciones de
los jugadores que son representados por el graco
de recursos, mientras que las utilidades de los juga-
dores para las posibles acciones son representados
por la dinámica de las matrices de pago internos.
La evolución La evolución de los algoritmos ha-
cia la maximización de la aptitud visto en la sección
anterior es, desde el punto de vista de los juegos DS,
considerado como el proceso de hacer el entorno de
juego más y más productivo por los jugadores. Los
jugadores intentan construir un entorno de juego
que les puede traer mayores ganancias. Por ejemplo,
el jugador de la gura. 13 (a) logrado en la construc-
ción de un entorno de juego productiva, mientras el
jugador en la gura. 13 (b) no lo hicieron.
Fig. 13. Dos grácos de recursos en la misma genera-
ción (la generación 277 va) para un juego LD de una
sola persona, un árbol: (a) un ejemplo de los jugadores
lograron construir d un entorno de juego productivo. (b)
un ejemplo de los jugadores que no pudieron hacerlo.
Consideremos la gura 14. Aquí el gráco de re-
cursos observado en la treceava generación, del jue-
go LD está representado por dos árboles de ruta de
tipo convexo. Como se ve, la dinámica nalmente
cae en un ciclo periódico. Este periodo dinámico
continúa hasta la ronda nal. Por ello se considera
un attractor de la dinámica del juego. En general, la
dinámica del juego se puede dividir en una parte del
attractor (Que es periódica en el presente caso), y
una parte transitoria. La dinámica correspondiente
a un attractor, por supuesto, no necesita ser perió-
dica, pero puede ser cuasi-periódica, caótica, y así
sucesivamente.
Fig. 14. Parte periódica y parte transitoria para un jue-
go de una sola persona, dos árboles.
En cada juego LD para una sola persona pre-
sentado en este documento, la dinámica del juego
observada en cada colina cambia su patrón con la
generación, a través de la evolución de estrategias.
El efecto de la evolución de la dinámica del juego
se puede clasicar en los dos siguientes tipos:
1.Evolución que cambia el patrón de la parte del
25
attractor, que implica desvío
11 a un attractor dife-
rente.
2. Evolución que cambia la parte transitoria
Por ejemplo, en el juego LD de un solo árbol dis-
cutido en la sección 5.2, aparece dos periodos diná-
micos en la temprana generación (en la cuarta gene-
ración). Este período de 2 attractor domina largo de
muchas generaciones, hasta el patrón con período
de dominancia 7 (en el 3605va generación). Duran-
te estas generaciones de 2 attractor la evolución só-
lo avanza sobre parte transitoria. La evolución que
cambia la parte attractor es difícil que se produzca.
Se puede decir que la evolución con un desvío a un
nuevo attractor trae consigo una gran innovación,
mientras que la evolución sobre la parte transitoria
es una mejora mínima para hacer el entorno del jue-
go productiva. Aquí la gran innovación no implica
necesariamente un gran aumento en el pago, sino
más bien un cambio estructural importante en la
dinámica. Ambos tipos de evolución puede cambiar
la aptitud de las estrategias, pero las maneras en
las que afectan a la dinámica del juego son comple-
tamente diferentes. Sólo un cambio en el attractor
conduce a la innovación cualitativo en la dinámica
del juego. En juegos con dos perdonas (o más), la
diferencia es más clara. Por ejemplo, un cambio en
el transitorio altera la manera en la que se forma un
cierto tipo de cooperación, mientras que la del at-
tractor implica un cambio en el tipo de cooperación
en sí.
Por vía del contraste, vamos a interpretar el pre-
sente juego LD como un juego estático convencio-
nal. En este caso, necesitamos construir una corres-
pondencia de una serie temporal de las acciones a
una función de pago. Hay dos maneras de construir
tales funciones de pago de juegos estáticos. Uno de
ellos implica un mapa del conjunto de acciones (ac-
ción 0, acción 1,. . . ) sobre las puntuaciones y el otro
es un mapa del espacio de parámetros de las fun-
ciones de toma de decisión de los leñadores sobre
la puntuación media de 400 rondas. No importa el
tipo de mapa que se seleccione, podemos encontrar
el cambio de la recompensa causado por la modi-
cación de las decisiones de los jugadores en un juego
estático, y además podemos encontrar el equilibrio
de la estructura de pagos, al menos teóricamente.
Con el modelo de juego estático, sin embargo, no
podemos investigar cómo el cambio de la recom-
pensa se introduce por un cambio del attractor o
dinámica transitoria. El proceso evolutivo de cómo
las estrategias cambian la dinámica no pueden ser
analizada. La distinción entre gran innovación (co-
mo desvío) y la mejora mínima, que es especialmen-
11 En el documento original se encuentra escrito bifurca-
tion que en español se puede traducir como bifurcación cuyo
signicado es división de una cosa en dos ramales, brazos o
puntas, en este caso se toma su sinónimo que es desvío
te importante en los juegos con varios jugadores, no
puede ser entendido.
6.2 Relación entre la dinámica y
las estrategias de juego
En esta sección, discutimos la relación entre la
toma de decisiones de los jugadores y la dinámica
de juego. La teoría del juego estático por lo general
se ocupa de la estructura matemática de la función
R
de ganancias (o pagos) de cada jugador: (espacio de
estrategias) (pagos). Para el juego LD, pode-
mos describirlo también de la siguiente manera
A2 → R (iN )
donde A es el conjunto de acciones posibles, N el
conjunto de jugadores, y R representa el pago en
cada ronda del juego LD. Si asumimos que los ju-
gadores tienen suciente potencia de cálculo para
tener en cuenta las acciones de todos los jugadores
en todas las rondas T, esta estructura también se
puede describir de la siguiente manera:
x(el espacio de parámetros de iesimo de decisio-
i
nes haciendo función) R (iN )
Donde R representa la puntuación media de todas
las rondas. Una representación de la función de pa-
gos por encima viene dada por el paisaje del punta-
je promedio, que se presentará más adelante. Como
se ha indicado en el apartado anterior, la dinámica
del juego de hormigón producidas por la toma de
decisiones de los jugadores es ignorado en las fun-
ciones de pago anteriores. Por lo tanto, no podemos
hablar sobre el papel que la estructura de la diná-
mica del juego juega en la evolución de la toma de
decisiones.
Por otro lado, la estructura que implica la toma
de decisiones de los jugadores y la dinámica del jue-
go es investigado usando el diagrama de AGS a ser
introducidos en Sección 6.2.1. Para prepararse pa-
ra su discusión, vamos interpretar el juego de DS
como una órbita en el espacio de fases.
La dinámica del juego de DS son descritos por
m n



las series de tiempo de x R+ e y R+ . Lla-
memos al espacio de fase(m + n) dimensional del
entorno de juego = espacio del jugador (GD), por
simplicidad. La dinámica del juego corresponde a
una órbita en el espacio GP.
En el presente trabajo, cada mapa de motivación
en la toma de decisión la función está dada por un
solo mapa de dimensión (Sección 4.3.2), y el espacio
se divide GP en varios sus espacios por los siguien-
tes (m + n − 1)Dimensiones hiperplano:
mtvp (x, y) = mtvq (x, y)(p, qA, p6=q)
26
Las acción del jugador está determinado únicamen-
te por el sub espacio en el punto de la órbita pre-
sente (x, y) reside. Por su puesto estos hiperplanos
son diferentes para cada jugador. Por ejemplo, la
dimensión del espacio de GP es 2 cuando un juego
de LD se compone de una persona y un árbol (N =
1, M = 1, A = 0, 1).Este espacio de GP se divide
en dos sub-espacios por una línea recta (es decir,
un hiperplano de dos dimensiones) denida por la
ecuación mtv0 (x, y) = mtv1 (x, y). El jugador selec-
ciona la acción 0 si la fase actual se encuentra den-
(x, y) Rnm+n |mtvp (x, y) >


tro del sub-espacio
mtvq (x, y)y la acción 1 en caso contrario. De es-
ta manera, la estructura de partición de espacio de
GP y la fase actual determina el punto orbital en la
siguiente fase única, y una partición de espacio GP
tal permite al jugador seleccionar su acción para
cualquier estado de juego dado.
En general, podemos utilizar una decisión más
complicada haciendo la función de mapas con la
motivación de dimensión mayor que 1 que divide
el espacio GP en sub-espacios con varios hipersu-
percies (es decir, no necesariamente hiperplanos).
Con esta aplicación, el procesamiento de informa-
ción compleja y estrategias son posibles.
6.2.1 Diagrama AGS
Aquí vamos a considerar un modelo simplicado
e un juego LD de una sola persona, un solo árbol
con el n de investigar el efecto del cambio de la
función de toma de decisión sobre el attractor de
la dinámica del juego. Hacemos dos simplicacio-
nes. Primero, el jugador nunca se reere a su pro-
pio estado, y. Es decir, el jugador toma su decisión
teniendo en cuenta solamente el tamaño del árbol.
Segundo, el jugador corta el árbol si su tamaño ex-
cede un cierto valor, llamado valor de decisión, xd
12 . El valor de decisión determina de forma única
la serie de tiempo de la fase (x, y). El attractor de
la serie de tiempo puede corresponder a un pun-
to jo, periódico, cuasi-periódico, o el movimiento
caótico, en función de la ley dinámica (incluyendo
la ley natural) del sistema.
Como en un diagrama de desvío, hemos trazado
12 La decisión de valor x se introduce estipulando x =
d d
−(ξ1 − ξ0 )/(n1 − n2 )para los parámetros en la función de to-
ma de decisión. Esto se puede ver observando los dos puntos
siguientes:
1. xd debe satisfacer la condiciónmtv0 (x, y) =
mtv1 (x, y), porque el cambio de una decisión del
jugador entre la acción 0 y acción 1 ocurre en ese
punto.
2. Los parámetros que caracterizan referencia al propio
jugador se establecen comoθ0 = θ1 = 0,0 , porque el
jugador se supone que se reere únicamente al tamaño
del árbol.
Así, el jugador cortará el árbol si y solo si x >xd
el valor x en el attractor en la g.15 (a), como una
función de xd . La gura muestra cómo el attractor
de la dinámica del juego cambia con el parámetro
de la función de toma de decisiones. Llamemos a
tal gura un diagrama AGS (la transición del at-
tractor de la dinámica del juego frente al cambio
de la estrategia). Con el diagrama de AGS, se pue-
de estudiar cómo la naturaleza de la dinámica del
juego cambia entre varios estados (dinámica de jue-
go punto jo/periódico/caótico o dinámica de juego
productivo/improductivo, etc.) con un cambio en la
toma de decisiones.
Las dos siguientes características de la g.15 (a)
son:
1. Para cada valor de decisión, su respectivo attrac-
tor es siempre un ciclo periódico.
2. Hay número innito de mesetas, en la que los at-
tractores permanecen sin cambios durante un rango
de valores de decisión. Para ejemplos de tales me-
setas, observe el período de 2 y período 3 de las
mesetas en la Fig. 15 (a).
En la simulación de la de una sola persona, juego
de LD de un árbol (Sección 5.2), el periodo de 2
attractor de la dinámica de la población x domi-
na para muchas generaciones (hasta la generación
3600va). Este attractor corresponde a los dos seg-
mentos paralelos trazados alrededor xd = 0,8
la Fig. 15 (a). (Nos referimos a tales de segmentos
paralelos como meseta).
gura un diagrama AGS. (B) paisaje de la puntuación
promedio: la puntuación media se representa como una
función del valor de decisión xd . La puntuación media
es la puntuación que el jugador recibe durante el tiempo
que x está en un attractor.
El diagrama AGS muestra el cambio del attrac-
tor con el cambio del parámetro de control, como
el diagrama de desvío a veces utilizado en el análi-
sis de sistemas dinámicos. Este diagrama es ecaz
para extraer características de los sistemas dinámi-
cos del juego DS. Sin embargo, el diagrama AGS
posee un signicado adicional a la de diagrama de
desvío. La diferencia radica en la decisión controla-
da por los parámetros de control. En el juego DS,
el parámetro de control viene dada por el tomador
de decisiones, que se encuentra dentro del sistema.
Esto contrasta con el parámetro de desvío externa
en los sistemas dinámicos. En otras palabras, lo que
en realidad observamos attractor entre los attrac-
tors en el diagrama AGS es decidido por el jugador
ya existente en el sistema.
Corresponde a la Fig. (a), la puntuación media
que el jugador obtiene durante la parte atractor de
la dinámica se representa en la Fig. 15 (b) como una
función del valor de decisión xd . Llamamos a este
diagrama el paisaje de puntaje promedio. El valor
de decisión óptima parece existir en la meseta pe-
en
ríodo de 2 alrededor de 0,8, por lo que podemos ver
con la magnitud de esta gura. En consecuencia,
la mejor estrategia para el jugador parece construir
este periodo 2 dinámico, que de hecho se observa en
la etapa temprana de la simulación juego LD. Sin
embargo, al examinar el primer plano de la parte
izquierda de esta meseta periodo-2 en la Fig. 15 (a)
(indicada por la echa con (L)), innidad de me-
setas se encuentran acumulando allí, donde existen
dinámicas más rentables que los de periodo 2.

6.2.2 Estructura de la dinámica de los

Fig. 15. (a) Diagrama AGS de un juego de LD de una
sola persona, un solo árbol. Se representa en cambio de
estrategia del attractor. En esta gura, el jugador de-
rriba el árbol cuando el tamaño del árbol,x, excede el
valor de decisión xd . Un conjunto de valores de x en el
atractor (todos los valores que x toma entre las rondas
200o y 400o) se representan con el valor de decisión re-
presentado por el eje horizontal con un incremento de
0,0025. Por ejemplo, los dos segmentos de rectas para-
lelas alrededor x = 0,8 muestran que la dinámica de x
con atraídos por el ciclo de periodo 2 entre los valores
de alrededor de 0,3 y 0,6. Llamamos a este tipo de -
diagramas AGS
Vamos a estudiar el diagrama AGS en la Fig. 15
(a) en más detalle. Fig. 16 (a) es un primer plano
de la parte de la gura 15 (a) alrededor de la e-
cha indicada por L (desde xd = 0,621 hasta 0.623).
Fig. 16 (b) es un primer plano de la parte límite
de la gura. 16 (a) indicada por la echa con P,
y (c) es un primer plano de (b) y (d) de (c). Esta
secuencia de guras muestra que esta parte límite,
junto al dominio período de 2, tiene una estructura
fractal , y contiene attractors periódicos innitos.
Llamamos a este dominio de la región L. Las piezas
marcadas 11, 13 y 15 en la Fig. 16 (c) corresponden
13
a la dinámica de los períodos de 11, 13 y 15.
13 El período aumenta en saltos de 2 a medida que aumenta
xd . Esto es debido a la existencia de la estructura similar en
la parte inferior, R, en la Fig. 16 (a). Tal estructura de la

27

Fig. 16. Estructura fractal del diagrama AGS: (a)
primer plano de una parte de la Fig. 15 (a) (desde
xd = 0, 621 hasta0, 623); (B) primer plano de la región
indicada por Q en (a); (C) primer plano de q en (b);
(D) primer plano de Q´´ en (c). Como se muestra en
(a) - (d), el lado izquierdo de la meseta período 2 tiene
una estructura fractal y contiene innito attractors
periódicos.
Una estructura fractal también existe en el pai-
saje del puntaje promedio, como lo demuestran los
sucesivos primeros planos dados en las guras. 17
(a) - (d). En el dominio de L con la acumulación
de attractors periódicos innitos, algunos attrac-
tors tienen una puntuación media más alta que la
del periodo 2. En particular, la puntuación media
más alta es lograda en el periodo de dominio 11.
Este juego LD de una sola persona tiene muchos
adición de período es bastante común en cierres de fase de
causi-periodicidad [9].
28
dominios fractales como el dominio L de la gura.
15 (a).
14
6.2.3 El efecto de la estructura diná-
mica en la evolución
El paisaje del puntaje promedio exhiben una es-
tructura fractal completa si consideramos solamen-
te la parte del attractor de la dinámica del juego
(ver Fig. 18 (a)). Por otra parte, la puntuación me-
dia de un número nito de rondas, incluyendo la
parte transitoria, puede presentar una estructura
más complicada, aunque consta de un número ni-
to de mesetas (comparar Fig. 18 (b) con la Fig. 18
(a))
Fig. 17. Estructura fractal en el paisaje puntuación pro-
medio: (a) primer plano de la parte desde xd = 0, 6221
hasta0, 62215 en la Fig. 15 (b); (B) primer plano de la
parte indicada como Q en (a); (C) es la de (b). Como se
muestra en (a) - (c), el paisaje valor medio contiene una
estructura fractal alrededor del límite para el dominio
período 2.
Aquí, la Fig. 18 muestra los paisajes de la mues-
tra promedio de puntuación representan como fun-
ciones del parámetro η11 Estas cifras se obtuvieron
de la función de toma de decisiones de un jugador
que aparece realmente en un juego de LD de una
14 Estas estructuras locales del diagrama AGS y el diagra-
ma de puntuación promedio en este juego LD son ejemplos
de escalera de la llamada del diablo (por ejemplo, en la fun-
ción de Cantor), una característica general observada en la
fase de bloqueo de la cuasi-periodicidad (véase, por ejemplo,
[11 , 14]).
sola persona, un árbol, aunque este jugador no per-
tenece a las especies más aptas
LD juego, aunque este jugador no pertenece a las
especies más aptas. Como se muestra en la Fig.18
(a) (con la parte del atractor solamente), el prome-
dio de la puntuación del jugador aumenta monóto-
namente con η 11. Figura 18 (a)' es la correspon-
diente AGS diagrama. (En este LD juego de una so-
la persona, cualquier función de toma de decisiones
resulta en un estado periódico como un atractor, y
el AGS diagrama siempre se compone de segmentos
de rectas paralelas.)
El paisaje del puntaje promedio para un número
nito de rondas incluyendo la parte transitoria, por
otra parte, como está trazada en la Figura. 18(b),
no cambia monótonamente con η 11, y tiene un pai-
saje accidentado. En este caso, no sólo la naturaleza
del atractor sino también la ruta como el atractor
está alcanzando a tener cierta importancia para la
evolución. Por supuesto, el proceso evolutivo diere
de acuerdo con el número de iteraciones del juego.
Por ejemplo, la importancia de la parte atractor
aumenta a medida que el número de iteraciones au-
menta.

Fig.18. Estructura complicada en el paisaje puntuación

promedio: (a) y (b) son los paisajes promedio de pun-
tuaciónbasado en la función de toma de decisiones de un
jugador que aparece en la simulación de una sola per-
sona, un árbol (la generación 5848a). (A)0 es el diagra-
ma correspondiente AGS. En cada gura, la puntuación
media en el juego LD se representa como una función
del parámetro de la función de toma de decisiones del Figura 1: a)
jugador,η11 = 0,193352 . (A) Da la puntuación media
sólo con la parte attractor de la dinámica, mientras que
(b) da la puntuación media de todas las rondas de la
primera a la 400a, incluyendo la parte transitoria. El
crecimiento monótono del escalar, observado en (a) se
sustituye por una estructura complicada pero nita en
(b). El jugador en cuestión tiene un valor de decisión
η11 = 0,193352, como se indica por la echa en (b), y
no es de las especies más apto.

Como se muestra en la Fig. 18 (a) (con la par-

te del attractor solamente), promedio de puntua-
ción aumenta monofónicamente del jugador conη11
. Fig. 18 (a) es el diagrama correspondiente AGS.
(En este juego de una sola persona LD, cualquier
toma de decisiones resultados de la función en un
estado periódico como un attractor, y el diagrama Figura 2: b)
de AGS siempre se compone de segmentos de rectas
paralelas). Tenga en cuenta que un paisaje complejo también

29
se observa para las especies más aptas. Figura.19
15 se muestra en este paisaje, el valor óptimo de de-
es un ejemplo del paisaje de puntación promedio cisión satisfactoria xd ≤ 0,75 para el mapa de una
de edad trazada para la función de toma de de- persona de tipo lineal de juego LD.
cisión de las especies más aptas (ID-2A44) en la
generación 3605th. La puntuación media se repre-
senta como una función del parámetro de decisión
η 10, en (a) para la parte atractor y en (b) sobre
400 rondas con la parte transitoria. (Por supuesto,
en los juegos LD evolutivos en este documento, la
parte transitoria no es ignorada cuando se calcula
la puntuación media de un leñador.) Aquí, las espe-
cies en la gura adoptan un atractor período-7 de
los juegos dinámicos. Este período-7 dinámico co-
rresponde a la meseta del período-7 en la Figura 15
(a), y es más productivo para el jugador que el pe-
ríodo 2 dinámico, aunque es menos productivo que
la dinámica en el dominio L. Como se muestra en la
Sección 5.2.4, esta especie domina la población por
muchas generaciones (acerca de 2200). ¾Por qué es
capaz de dominar durante tanto tiempo esta espe-
cie? La respuesta se da en el paisaje de la Figura 19
(b) obtenidos para un número nito de rondas con
transitorios. Como se muestra en la gura, la pun-
tuación tiene un máximo local en torno a la meseta
η 11 = 0. 193.352. Aunque la estrategia con este
valor de decisión no es la estrategia optima global,
se necesita una gran cantidad de cambio mutacio-
nal para escapar de este máximo local. En un juego Figura 3: Figura 20. El-mapa-tipo lineal de una sola
con un número nito de rondas, el paisaje es acci- persona LD juego. (a) El diagrama de AGS para
dentado, en contraste con el caso de una innidad el valor de decisión xd. Atractores cuasi periódicos
de rondas, y el proceso de evolución no alcanza ne- 2
aparecen para xd ≤ 3 . (b) El paisaje del puntaje
cesariamente la estrategia óptima fácilmente. promedio desde la ronda 200th a la 400th. El paisaje
está dada por una línea recta de xd ≤ 2.
6.2.4 Estructura dinámica de mapa ti-
po lineal de un juego LD En el juego LD-mapa de tipo lineal de la Sec-
ción 5.2.6, hemos observado la evolución rápida y
Figura 20 (a) es el diagrama AGS de una sola
sin contratiempos hacia la optimización del estado
persona-mapa-juego de tipo lineal LD. Esta gura
físico. Tal evolución es causada por la estructura no
muestra quela dinámicos son atraído a movimiento
accidentada que se ve en la Fig. 20.
2
cuasi periódico si xd ≤
3 , aunque el AGS diagra-
ma del juego LD- mapa de tipo convexo tiene un
atractor periódico para cualquier valor de decisión
(Fig. 15 (a)). Figura.20 (b) es el correspondiente
paisaje de puntuación media, donde el paisaje no
2
es gradual, sino una línea recta de xd ≤ 3 . Como
15 Figura. 19. Efecto de la estructura de los juegos dinámi-
cos sobre la evolución del jugador. (a) y (b) son los paisajes
promedio de puntuación construidos usando la función de
toma de decisiones del jugador que es de las especies más
aptas (ID-2A44) de la generación 3605a en la actual per-
sona, un árbol de juego LD real de la Sección 5.2.4. El eje
horizontal corresponde al parámetro de la función de toma
de decisiones, η 10, mientras que el eje vertical corresponde a
la puntuación media. En (a), el valor medio sólo de la parte
periódica se representa. La puntuación media para todas las
rondas, incluyendo la parte transitoria (de la primera ronda
para el 400th), se representa en (b). El valor real para de
este jugador η 10 es 0,114588, como es indicado por la echa
en ambas guras.

30
7. Discusión descripción del sistema de tres campos es bastante
simplicada porque nosotros ignoraremos el siste-
ma social medieval, el clima, y las cuestiones de la
7.1 Estructura dinámica y la alimentación del ganado y de los excrementos [24].)
evolución de las estrategias de Aproximadamente hablando, las acciones facti-
bles en el sistema de tres campos se pueden clasi-
juegos DS car en el campo dando el campo del año de descanso
(barbecho)
16 y utilizando el campo para producir
En orden a discutir la relación entre la estruc-
una cosecha.
tura de juegos dinámicos DS y la evolución de las
El principal problema aquí es en qué orden es-
estrategias, consideremos, como un ejemplo real, el
tas acciones se llevan a cabo. Además, también es
sistema de tres campos de la rotación de cultivos
un problema importante determinar cuántas partes
que prevalecía en Europa Occidental medieval [24]. iguales de las tierras de cultivo deben ser divididas
Esta situación parece tener alguna relación con
dentro. En hecho, estas dos cuestiones son insepara-
el punto de vista de los juegos DS, ya que aquí
ble. Por ejemplo, supongamos que la mejor manera
de- cisión de un jugador tiene algún efecto sobre
de manejar las tierras de cultivo es sentar una par-
las variables que determinan el entorno del juego,
cela determinada de tierra bajo barbecho durante
mientras que el estado de estas variables afecta el
tres años consecutivos, y luego producir un cultivo
estado del jugador (por ejemplo, el estado nutricio-
durante cuatro años consecutivos, y repetir este ci-
nal del jugador, lo que podría ser cambiado por la
clo de 7 años indenidamente. A continuación, las
cantidad de cultivos disponibles).
tierras de cultivo deben ser divididas en siete (o un
El sistema de tres campos, que era una modica-
múltiplo de siete) con el n de obtener una cosecha
ción del sistema de dos campos que habían prevale-
cada año lo más uniformemente posible. La acción
cido en todo el Mediterráneo era un método efectivo
de dejar la tierra sin utilizar durante 3 años permite
para los agricultores o campesinos durante ese tiem-
al campo a recuperar su creciente potencial, aunque
po para gestionar dinámicamente los estados de sus
no ofrece ningún benecio a corto plazo, mientras
tierras de cultivo y recolección de los cultivos cada
que la acción del uso de la tierra para levantar las
año consecutivamente. Debido a esta la innovación,
cosechas, por supuesto, da la recompensa inmedia-
ellos fueron capaces de mantener la fertilidad de las
ta, sino que agota los nutrientes del suelo. En el sis-
tierras de cultivo, para evitar que la humedad dis-
tema de tres campos, la dinámica del estado de los
minuyera demasiado, y para controlar las malezas.
campos es de aproximadamente cíclico con un pe-
Con el sistema de tres campos, cada tierra de cul-
riodo de 3 años. Sin embargo, es difícil de creer que
tivo se divide en tres partes iguales, el campo de
el periodo del crecimiento de cada tipo de cultivo y
invierno, el campo de verano, y el barbecho, y es-
el periodo de la dinámica del estado de los campos
tos tres campos se utilizan alternativamente con un
son precisamente periódica. Si se utiliza algún tipo
período de 3 años. En el caso del sistema de dos
de ajuste de la dinámica periódicas con ecacia, un
campos, los campos agrícolas están divididos en el
sistema más productivo puede lograrse mediante la
campo del verano y el barbecho, utilizados alterna-
adopción de la dinámica más complicados, proba-
tivamente con un período de 2 años. (Además, en el
blemente, con un período más largo. Por supuesto,
momento de la revolución industrial, apareció una
la evolución de una mejor estrategia puede requerir
rotación de cultivos de 4 años, llamado el "Siste-
complicadas innovaciones, y los agricultores tienen
ma Norfolk" que incluye un año de crecimiento ali-
que pagar una estrategia con algunos óptimos loca-
mento para el ganado. Sin embargo, la estructura
les.
y el concepto de este sistema eran completamente
Cuando un campo estéril se mantiene como bar-
diferente de el de dos o tres sistemas de campos.)
becho durante un cierto periodo de tiempo, existe
No todas las áreas que utilizan los dos sistemas de
la posibilidad de que el campo recuperará su pro-
campo cambia al sistema de tres campos, porque
ductividad. Por otro lado, si el campo se mantiene
esta innovación fue causada en parte por el cambio
como barbecho demasiado tiempo, a largo alcance
climático que se produjo cuando el sistema de dos
su productividad disminuirá. Se necesita un equi-
campos se extendió desde la región del Mediterrá-
librio cuidadoso para gestionar la dinámica de es-
neo en occidental Europa. Sin embargo, es seguro
te entorno de juego. Un agricultor puede intentar
que el desarrollo del sistema de tres campos se basa
cambiar el actual sistema período de 3 en uno de
en la experiencia del sistema de dos campos.
periodo-4 o de periodo-5. Sin embargo, entre estos
Ahora, consideremos el sistema de tres campos,
que apareció como una mejora del sistema de dos 16 A pesar de que es el año de descanso, un cierto grado de
campos, desde el punto de vista de la modelización mano de obra es necesaria, tales como la eliminación de las
de juegos DS. (Tenga en cuenta que, la siguiente malas hierbas, arar, lo que permite que el ganado paste.

31
sistemas, la probabilidad de que se puede encon-
trar sistemas más rentables que el sistema de tres
campos es posiblemente pequeña. El plazo de 2 o
3-dinámica es, por decirlo así, la dinámica meta es-
tables para los agricultores.
Nosotros hemos considerado hasta ahora el sis-
tema de tres campos desde el punto de vista de
la innovación considerando la dinámica del entorno
de juego DS en una sola persona. Tal considera-
ción desde el punto de vista de juego DS tiene una
ventaja en caso consideramos los problemas del jue-
go en el mundo real. Al modelar concretamente la
situación real como un juego DS que describe con-
cretamente la naturaleza de la dinámica observa-
da en el ambiente del juego, podemos determinar
teóricamente una estrategia con una dinámica de
juego adecuadas. Por ejemplo, supongamos que el
conjunto de estrategias - las prácticas de toma de
decisiones de los jugadores - que determina la diná-
mica de juego (por ejemplo, el periodo 3 dinámicas
antes mencionadas) se da como una regla explícita.
La teoría de juegos tradicional es capaz de determi-
nar la solución en el espacio de estrategias, al me-
nos, siempre se trata de una sola persona o de dos
personas en juegos de suma cero. Por otra parte,
podemos descubrir dónde existen estrategias me-
taestables en el espacio de estrategias a condición
de que la distancia entre las estrategias pueda ser
denidas. Sin embargo, la teoría de juegos conven-
cional no puede proporcionar cualquier información
acerca de qué tipo de estrategias están permitidos
en la dinámica del mundo. Por ejemplo, la teoría
de juegos puede conrmar que un sistema de siete
campos es una solución si se da como un elemento
del conjunto de estrategias, pero, de otra manera,
no puede encontrar esta solución en principio. Por
otro lado, cuando se describe un modelo como un
juego de DS, se puede demostrar que no es una deci-
sión cuyo resultado es un ciclo de período 7 median-
te el uso de, por ejemplo, un AGS diagrama, que se
basa en el método utilizado en el sistema dinámi-
co (discreto).
17 Otra ventaja del punto de vista de
un DS juego es que nosotros podemos investigar la
relación entre la evolución de las estrategias de los
17 20 Juegos dinamicos en los juegos de DS pueden ser des-
critos por el estado inicial, (x, y) , y por la composicion de
dos tipos de mapas (Sección 2.4), la ley natural,
efecto de las acciones de los jugadores, v , de la siguiente
manera:
· · · V u v u v u v u.
Aquí, cada v diere de acuerdo con el valor de (x (t), y
(t)) (t = 0 , 1 , 2 , ... ) . (Más precisamente, u (x (0), y (0))
, u (v (u (x (0), y (0)))) , u (v (u (v (u (x (0) , y (0)))))),
··· ) . Por ejemplo, en el de una sola persona, de dos árboles
de juego LD, v puede ser v1 (cayó del árbol 1), v2
árbol 2) o el operador de identidad (cayó ningún árbol). Un
ejemplo del material compuesto correspondiente al mapa de
arriba es tan siguiente:
· · · V2 u u v1 u v2 u u u v2 u v1 u.
jugadores y el cambio resultante de los juegos diná-
micos. La teoría de juegos puede examinar si alguna
estrategia es una solución racional (por ejemplo, un
punto de equilibrio) a el nivel de la estructura de
pagos. La ejecución de la estrategia, sin embargo,
puede ser difícil de realizar a través de la evolución
si la solución en la estructura de pagos se encuentra
dentro de un dominio caótico en el AGS diagrama,
en el sentido de que el tamaño de algoritmos para
calcular el pago no puede ser acortado por cualquier
método.
7.2 Modelos de la teoría de jue-
gos y modelos de la física
Por último, vamos a discutir la ventaja general
del modelo de juego de DS sobre otros modelos. La
modelación de juegos DS es adecuado para estudiar
la evolución / aprendizaje de los responsables de las
decisiones que existen en el mundo que pueden ser
descritas por un sistema dinámico. Modelos de la
teoría de juegos sin duda tiene una resistencia en el
tratamiento de los problemas de los tomadores de
decisiones que interactúan entre sí. Por otra parte,
las descripciones con los modelos de sistemas diná-
micos son relevantes para investigar la naturaleza
de nuestro mundo dinámico del exterior.
Mediante la aplicación de los modelos de la físi-
ca, podemos saber, por ejemplo, las trayectorias de
todos los posibles estados físicos. Sin embargo, el
punto de vista del juego es indispensable si existe
decisiones de jugadores en el curso de la dinámi-
ca cuyas decisiones se basan en sus propias normas
de racionalidad y cuyas decisiones pueden afectar
a los estados físicos. Sólo desde el punto de vista
teórico podemos considerar cuales estados serán se-
leccionado por los fabricantes de decisión entre los
estados físicamente realizable, al menos en el mo-
mento actual. En los sistemas dinámicos, se puede
estudiar el cambio de la dinámica con el cambio de
parámetros de control externo (bifurcación), pero
no puedo discutir que el control sea posible dentro
del sistema. Para estudiar el comportamiento co-
lectivo de un grupo de jugadores (por ejemplo, la
dinámica de los precios de las acciones), los métodos
u , y el
de, por ejemplo, la mecánica estadística, en el que
los jugadores pueden ser considerados como partí-
culas estadísticamente, pueden ser útiles. (En otras
palabras, la individualidad de cada jugador podría
ser descartado.) Sin embargo, para el estudio de los
grupos de organismos vivos o de la sociedad huma-
(cayó del na, la distinción entre partículas que interactúan e
interacción de los tomadores de decisiones es esen-
cial. Los último son activo agentes en sus entornos
de juego y cada uno toma decisiones, básicamente,
32
a n de aumentar su utilidad (tness).
18 Por otro aprendizaje, pueden ser afectado mediante la explo-
lado, las descripciones que consisten en modelos de ración de la estructura del diagrama AGS.
teoría de juegos no son anes a la dinámica de na-
turaleza, y, por lo tanto, no pueden afectar a cues-
tiones que pueden ser estudiadas sólo en los niveles
de la dinámica. Por ejemplo, el juego LD-mapa de
tipo convexo, que tiene la escalera del diablo en la
AGS diagrama, muestra los fenómenos evolutivos
Agradecimientos
con una innovación gradual.
Por otra parte, la evolución es suave, con rápida
convergencia a un óptimo acondicionamiento físico,
Los autores desean agradecer a T. Ikegami y S.
para la simple estructura dinámica en el Mapa de ti-
Sasa por las útiles discusiones. Este trabajo es par-
po lineal LD juegos. Como jado en Sección 4.5, un
cialmente apoyado por subvenciones en ayuda a
juego de mapa de tipo lineal tiene la misma estruc-
la Investigación Cientíca del Ministerio de Edu-
tura que un juego de mapa de tipo convexo desde el
cación, Ciencia y Cultura de Japón. El primer
punto de vista estática. Sin embargo, una diferen-
autor es apoyado por la Sociedad Japonesa para
cia aparece a menudo en el nivel de la dinámica del
la Promoción de la Ciencia bajo el Contrato No.
juego y la evolución de las estrategias (A nivel de
RFTF96I00102.
los juegos con varias personas, la presente modica-
ción no elimina el dilema social común que existe en
la versión anterior). Es decir, varios diferentes jue-
gos de DS se clasican en el mismo juego estático
si modelamos por la teoría de juegos convencional,
pero existe la posibilidad de que estos juegos ten-
gan completamente diferentes naturalezas a nivel
de la estructura dinámica, especialmente cuando la
evolución y el aprendizaje están involucrados.
19

7.3 Resumen
Lo que se necesita en el modelado de juego DS
es solamente la descripción de g y f. Con estos,
simplemente podemos modelar, en cierto sentido,
situaciones comunes donde las decisiones están in-
mersos en un mundo que es básicamente sujeto a
las leyes naturales. Por supuesto, esta simplicidad Figura 4: Figura 21. gráco de la aptitud en las
de la modelación no implica necesariamente facili- primeras generaciones de un juego LD de una sola
tación en el análisis. Sin embargo, las descripciones persona con dos árboles de generación (1 a 30).
desde la perspectiva de los juegos DS y el análisis
utilizando AGS diagrama nos permiten investigar
la relación entre la naturaleza de los juegos diná-
micos y la evolución de las estrategias. DS juegos
puede hacer frente a los problemas que involucran
ambos aspectos de nuestro mundo: el mundo co- Apéndice A. Gestión
mo un sistema dinámico y el mundo habitado por
los sujetos tomadores de decisiones. Ambos aspec- de múltiples recursos
tos son indispensables incluso en juegos de una sola
persona, porque los jugadores de decisión fabrica- dinámicos
ción mecanismos, cambiando mediante evolución y

18 Por supuesto, es una cuestión importante cómo un to-

mador de decisiones - o un optimizador autónomo - emerge
de un sistema descrito por los sistemas dinámicos puros, pero
esto está fuera del alcance del presente documento.
19 Esta diferencia se hace más grave en un juego de múl-
tiple persona, como la formación de cooperación se vuelve
importante, como se describirá en los documentos siguien-
tes.
En esta sección, se presentan los resultados de
una sola persona, de un juego LD de dos árboles de
mapa de tipo convexo para estudiar cómo un juga-
dor maneja múltiples recursos dinámicos. Figura.21
es el gráco del estado físico para esta simulación.

33
 A.1 El aumento de un árbol en
particular: el comportamiento de
las especies más aptas en las pri-
meras generaciones

Las especies más aptos en la primera generación

se comporta como en el diagrama de acción (Fig. 22
(a)). El jugador de esta especie generalmente corta
árbol 1 para varias rondas sucesivamente, y como
resultado, este árbol se hace más pequeña y más
pequeña (Fig. 22 (b)) al igual que la cantidad de
madera que se obtiene de cada corte (Fig. 22 (c)).
Por otro lado, el árbol 2 se hace más grande durante
este tiempo. Entonces, el jugador corta el árbol 2, y
por lo tanto obtiene un gran benecio (Fig. 22 (b)).

En particular, se logra elevar el árbol 2 y gana

un gran benecio de ella. A partir de la primera
ronda hasta la nal, nunca simplemente no hace
nada hace nada, pero en su mayoría se corta el árbol
1 y permite que el árbol 2 a crecer, cortándolo sólo
de vez en cuando. En esta generación, los jugadores
de otras especies con menor aptitud cortar sólo un
árbol en particular o cortado ningún árbol.

Figura 5: Figura. 22. La especie más apta de la

primera generación. (a) El diagrama de acción. La
acción del jugador se representa como una función
del número redondo. Además de las acciones 0 y 1
(no hacer nada y el árbol de corte 1), la acción 2
(cortar el árbol 2) está disponible para el jugador en
este juego. (b) El gráco de recursos. (c) El estado
gráco.
Figura 6: Figura 23. La evolución a medida que
aumenta el número de generación. Las guras sobre

Como en el caso de un juego de LD de un ár- el lado izquierdo están las cartas de acción y los de

bol, de una sola persona, el estado físico incrementa la derecha son las tablas de recursos. Las guras

valores escalonada y monótonamente. Las especies en la (a) se corresponden con el juego LD para

más aptos pueden cambiar en las generaciones pos- el jugador de las especies más aptas en la octava

teriores, pero el cambio no es frecuente, y el consi- generación, aquellos en la (b) para ese en el 13th

guiente aumento del valor del estado físico se con- Generacion, y aquellos en la (c) para ese en el

vierte en mucho más pequeño. 317th generación.

34
A.2 La evolución hacia la opti-
mización
Un esbozo de la evolución en este unipersonal
juego de dos LD árbol es el siguiente: Figura. 24.
La evolución a medida que aumenta el número de
generación. Estos son los grácos de estado corres-
pondientes a las tablas de acción y de recursos en
la Fig. 23.
1. La frecuencia de corte del árbol 2 aumenta,
mientras que la de corte 1 disminuye los árbo-
les. Como resultado, el jugador es capaz de ob-
tener algún benecio también de árbol 2 (Fig.
23 (a)).
2. El jugador inicia la gestión de periodos dinámi-
cos para los tamaños de los árboles que le apor-
tan la mejor ganancia después sobre la ronda
15, durante el cual redondea las frecuencias de
la tala de árboles y el árbol 1 y 2 son igua-
les (Fig. 23 (b)). Se corta los dos árboles por
turnos.
3. El número de la ronda de los cuales la primera
dinámica se convierte en disminuciones perió-
dicas (Fig. 23 (c)). También, como el número
de generación aumenta, la ronda en la que el
estado del jugador llega por primera vez su va-
lor máximo (aproximadamente 3.05) se hace
antes (Fig. 24 (a) - (c)).
La dinámica para cada uno de los dos árboles (que
se muestra en el gráco de recursos (Fig. 23 (c)))
son casi los mismos que los observados en el juego
LD de un árbol en el presente documento (Fig. 9
(b)).
Referencias:
[1] RJ Aumann, Búsqueda de consenso, Ann. Es-
tadístico. 4 (1976) 1236-1239.
[2] RJ Aumann, la racionalidad y la racionalidad
limitada, Nancy Conferencia L. Schwartz, JL
Kellogg School of Management de la North-
western University, 1986.
[3] R. Axelrod, La evolución de la cooperación, Ba-
sic Books, Nueva York, 1984.
[4] DD Davis, CA Holt, Economía Experimental,
Princeton University Press, Princeton, Nueva
Jersey, 1993.
[5] MM inundación, algunos juegos experimenta-
les, Investigación Memorando RM-789, RAND
Corporation, Santa Monica, CA, 1952.
35
[6] D. Fundenberg, J. Tirole, la teoría de juegos,
MIT Press, Cambridge, MA, 1992.
[7] G. Hardin, La tragedia de los comunes, Ciencia
162 (1968) 1243-1248.
[8] T. Ikegami, M. Taiji, imitación y la cooperación
en reconocedores dinámicas acopladas: avances
en la vida articial, en: D. Floreano, J. Nicoud,
F. Mondada (Eds.), Actas de la V Conferencia
Europea, ECAL '99, Lausana, Suiza, Springer,
Berlín,1999.
[9] K. Kaneko, Colapso de Tori y Génesis de caos
en sistemas disipativos, World Scientic Pu-
blishers, Singapur, 1986, 264 pp. (Basado en
la tesis de 1983).
[10] J. Maynard Smith, la evolución y la teoría de
juegos, Cambridge University Press, Cambrid-
ge, 1982.
[11] J. Nagumo, S. Sato, En una característica de
respuesta de un modelo matemático de la neu-
rona, Kybernetik 10 (1972) 155-164.
[12] J. von Neumann, O. Morgenstern, Teoría de
Juegos y Comportamiento Económico, Prince-
ton University Press, Princeton, Nueva Jersey,
1944.
[13] A. Neymann, la complejidad acotada justica
la cooperación en el dilema del prisionero de
nitamente, Econ. Letón. 19 (1985) 227-230.
[14] E. Ott, Caos en sistemas dinámicos, Cambrid-
ge University Press, Cambridge, 1993.
[15] A. Rapoport, La teoría matemática de la in-
teracción motivación de los dos individuos,
Bull. Mates. Biophys. 9 (1947) 17- 27.
[16] N. Rashevsky, un problema de matemáticas
en biofísica de las interacciones de dos o más
individuos que pueden ser de interés en la so-
ciología matemática, Bull. Mates. Biophys. 9
(1947) 9-15.
[17] OE Rössler, estrategias de locomoción adecua-
dos para un organismo abstracto en un entorno
abstracto: un enfoque relacional para la fun-
ción cerebral en Física y Matemáticas del sis-
tema nervioso, en: M. Conrad, W. Güttinger,
M. Dalcin (Eds.) , Lecture Notes Springer en
Biomatemáticas, vol. 4, 1974, pp. 342-369.
[18] OE Rössler, Caos en los optimizadores acopla-
dos, Ann. NY Acad. Sci. 504 (1987) 229-240.
[19] OE Rössler, el habla Fraiberg-Lenneberg,
Caos, solitones y fractales, Vol. 4, No. 1, El-
sevier, Amsterdam, 1994, pp. 125-131.
[20] A. Rubinstein, autómatas nitos jugar el dile-
ma del prisionero repetido, J. Econ. Theory 39
(1986) 83-96.

[21] H. Simon, Modelos de hombre, Wiley, Nueva

York, 1957.

[22] M. Taiji, T. Ikegami, Dinámica de los modelos

internos de juego de los jugadores, Physica D
134 (2) (1999) 253-266.

[23] E. Zermelo, Über eine del Anwendung der

Mengenlehre auf die Théorie des Schachspiels,
en: EW Hobson, AEH Love (Eds.), Actas del V
Congreso Internacional de Matemáticos, Vol.
2, Cambridge University Press, Cambridge,
1913 , pp. 501-504. [24] L. White, Tecnología
medieval y cambio social, Oxford University
Press, Londres, 1962.

36