进化博弈
Parent: ai_keywords
进化博弈（Evolutionary Game Theory）
核心定义
进化博弈是将经典博弈论与达尔文自然选择相结合的分析框架，用于研究策略在种群中的动态演化过程。它不再假设参与者是完全理性的，而是通过复制子动态（Replicator Dynamics） 模拟策略的频率变化，最终达到进化稳定策略（Evolutionary Stable Strategy, ESS）——即任何变异策略都无法入侵的种群状态。该理论广泛应用于生物学、经济学、社会科学以及复杂系统研究。
关键技术点
-
进化稳定策略（ESS）
不同于纳什均衡，ESS要求策略在入侵时具备抵抗力：若种群内大多数个体采用该策略，任何小群体变异策略的适应度均低于原有策略。 -
复制子动态方程
刻画策略频率随时间变化的微分方程：(\dot{x}_i = x_i [f_i(\mathbf{x}) - \bar{f}(\mathbf{x})])，其中 (f_i) 为策略 (i) 的适应度，(\bar{f}) 为平均适应度。方程将博弈的局部信息转化为选择压力，决定策略的消亡或扩散。 -
多主体学习与突变
在非对称博弈或随机环境中，进化路径可能因突变、漂变或噪声偏离确定性动态。随机动态博弈（如Moran过程）引入有限种群效应，解释医疗决策中个体偏好的异质性。 -
博弈与神经网络耦合
近年通过深度强化学习将博弈论嵌入神经网络，模拟在复杂动态环境中策略的适应性演化（如合作与竞争的涌现），为脑机接口和神经调控提供理论支撑。
医学/神经科学应用场景：癫痫网络中的神经元群体博弈
基于首都医科大学神经病学研究背景，进化博弈可用于解释癫痫病灶与周围正常脑区的“策略竞争”。
- 在致痫网络中，异常放电的神经元群体可视为一种“侵略性策略”，其高频同步活动获得短期“适应度”（快速传播兴奋性），但长期会诱发抑制性回路代偿。
- 正常脑区通过反馈抑制（GABA能神经元）作为“合作策略”维持网络稳定。利用复制子动态模型，可模拟在抗癫痫药物（如钠通道阻滞剂）选择压力下，两类策略的频率变化，预测药物耐受性的进化路径。
- 进一步结合神经电生理记录（如立体脑电图SEEG），可构建患者特异性博弈模型，优化闭环神经调控参数（如响应性电刺激频率），引导网络向正常稳态“演化”。
