นี่เป็นหนึ่งในหัวข้อที่ฉันค้นหามานานแล้ว อย่างไรก็ตามพวกเขาดูเหมือนจะไม่แพร่หลายทั้งหมด คนที่ทำงานเกี่ยวกับชีววิทยาเชิงทฤษฎีและเศรษฐศาสตร์ที่ใช้ EGT มักจะยึดติดกับทฤษฎีระบบพลวัตและไม่สวมเลนส์อัลกอริทึม ดังนั้นผลลัพธ์ส่วนใหญ่เป็นรูปแบบ AMath / Physics และไม่ใช่ของอัลกอริธึมและสไตล์คณิตศาสตร์แบบแยก หากคุณยินดีที่จะดำเนินการตามแนวทางของระบบแบบไดนามิกนั่นคือการสำรวจโดย Hofbauer และ Sigmund ซึ่งสั้นกว่าและล่าสุดกว่าหนังสือของพวกเขา (ฉันพูดถึงมันและความคิดเห็นที่ผ่านมาในคำตอบก่อนหน้า )
หนึ่งในสถานที่จำลองพลวัตถูกนำมาใช้ในผลลัพธ์ที่เกี่ยวข้องกับความซับซ้อนคือโดย Marcello Pelillo และผู้เขียนร่วมเป็นฮิวริสติกสำหรับการแก้ปัญหา max-clique (ลด max-clique การเขียนโปรแกรมสมการกำลังสองแก้การเขียนโปรแกรมกำลังสอง :
[1] Immanuel M. Bomze และ Marcello Pelillo [2000] "การประมาณค่าน้ำหนักสูงสุดโดยใช้ตัวจำลองแบบจำลอง" ธุรกรรม IEEE บนโครงข่ายประสาทเทียม 11 (6)
[2] Marcello Pelillo และ Andrea Torsello [2006] "พลวัตเกม Payoff-Monotonic และปัญหาคิกสูงสุด" การคำนวณทางประสาท 18: 1215-1258
ΣP2ΣP2
[3] Kousha Etessami และ Andreas Lochbihler [2008] "ความซับซ้อนในการคำนวณของกลยุทธ์ที่มีความเสถียรเชิงวิวัฒนาการ" วารสารนานาชาติของทฤษฎีเกม , 37 (1): 93-113 (พร้อมใช้งานครั้งแรกในปี 2547 ตามรายงานเทคโนโลยีของ ECCC TR04-055)
[4] Vincent Conitzer [2013] "ความซับซ้อนในการคำนวณที่แน่นอนของกลยุทธ์ที่มีความเสถียรเชิงวิวัฒนาการ" 9 การประชุมบนเว็บและอินเทอร์เน็ตเศรษฐศาสตร์ (ไวน์) ( pdf )
คำถาม EGT ที่น่าสนใจมากมายในวันนี้เป็นเรื่องเกี่ยวกับเกมบนกราฟและแม้ว่าจะมีผลลัพธ์ของระบบแบบไดนามิกที่น่าสนใจเช่น (โปรดดูคำถามนี้สำหรับส่วนขยายของวิธีการนี้):
[5] Hisashi Ohtsuki และ Martin Nowak [2006] "สมการจำลองแบบบนกราฟ" _ วารสารชีววิทยาเชิงทฤษฎี _, 243 (1), 86-97 ( ลิงก์ , บล็อกโพสต์ )
งานส่วนใหญ่ผ่านการสร้างแบบจำลองโดยใช้ตัวแทน (ดูคำตอบนี้สำหรับบริบทการสร้างแบบจำลองการแพร่กระจายของโรค) แบบจำลองเหล่านี้มักจะให้การต้อนรับกับความซับซ้อนและคำสั่งการรวมกันมากขึ้น ดูหนังสือต่อไปนี้สำหรับข้อมูลเพิ่มเติม:
[6] Yoav Shoham และ Kevin Leyton-Brown [2009], "ระบบหลายหน่วย: อัลกอริธึม, ทฤษฎีเกม, และรากฐานเชิงตรรกะ", สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์
ฉันคิดว่าการเรียนรู้ด้วยเครื่องจักรเป็นวิธีที่ตรงไปตรงมาในการเข้าถึง EGT เนื่องจากเป็นจุดกึ่งกลางที่เป็นธรรมชาติระหว่างฟิสิกส์ที่เกี่ยวข้อง (กลศาสตร์เชิงสถิติ) และวิทยาศาสตร์คอมพิวเตอร์ สิ่งนี้ได้ทำไปแล้วฉันจะใช้เวลาสักหน่อยเพื่อค้นหาการอ้างอิงที่ดี แต่เป็นการอ้างอิงแบบสุ่ม (ซึ่งแสดงให้เห็นว่าคน EGT ได้พิจารณาแนวคิดความสมดุลอื่น ๆ ที่เป็นที่นิยมเช่นดุลยภาพที่มีความสัมพันธ์):
[7] Sergiu Hart และ Andreu Mas-Colell [2000], "ขั้นตอนการปรับตัวง่าย ๆ ที่นำไปสู่สมดุลที่สัมพันธ์กัน", Econometrica 68 (5): 1127-1150
[8] Antonella Ianni [2001], "ดุลยภาพการเรียนรู้ที่มีความสัมพันธ์ในเกมประชากร", คณิตศาสตร์สังคมศาสตร์ 42 (3): 271-294
[9] Ludek Cigler และ Boi Faltings [2011], "การเข้าถึงความสมดุลผ่านการเรียนรู้แบบหลายตัวแทน", AAMAS 2011: 509-516
ฉันหวังว่าคนอื่นจะให้คำตอบที่เฉพาะเจาะจงมากขึ้นเนื่องจากนี่เป็นคำถามที่ฉันอยากรู้มากขึ้น