MARC

 008260126s2025        us                              c    eng  d
■001000017357920
■00520260202103618
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798280711938
■035    ▼a(MiAaPQ)AAI32044975
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a100
■1001  ▼aNikbin,  Esther.
■24510▼aEvolutionary  Models  of  Kings  and  Queens
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a140  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  B.
■500    ▼aAdvisor:  Armstrong,  Josh  David;Cumming,  Samuel  John.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2025.
■520    ▼aOver  the  last  half-century,  myriad  fruitful  applications  have  been  found  for  evolutionary  game  theory  in  computational  research.  One  such  application  is  running  game  theoretic  simulations  as  a  method  of  uncovering  theoretical  minimal  conditions  for  unfairness  to  arise  in  populations  of  agents,  with  the  intent  of  analogizing  these  computational  results  to  actual  human  contexts.  Different  models  deploying  different  structural  assumptions  and  using  different  parameters  might  uncover  different  minimal  conditions,  and  there  is  rich  potential  for  novel  implementations  to  yield  further  results.  In  this  dissertation,  I  build  on  existing  work  by  others  using  such  game  theoretic  simulations  to  run  and  analyze  my  own  simulations.  These  simulations  implement  discrete  populations  of  agents  playing  best  responses,  initially  unstructured  and  later  embedded  into  a  lattice  network.  Agents  in  these  populations  play  the  Nash  demand  game  with  each  other,  communicating  only  through  pre-play  signalling  regarding  which  of  two  groups,  or  labels,  they  belong  to.  In  the  process,  I  arrive  at  four  different  categories  of  findings.  First,  I  find  that  in  a  networkless  population,  minor  exogenous  interventions  into  the  initial  conditions  (including  designating  a  small  number  of  agents  as  tyrants)  can  be  sufficient  to  consistently  produce  unfair  outcomes.  Second,  when  a  population  is  embedded  into  a  network,  I  find  that  asymmetries  in  how  far  groups  are  willing  to  go  to  play  with  other  agents  can  be  a  minimal  condition  for  unfairness,  in  favour  of  the  group  that  is  willing  to  go  further.  Third,  and  conversely,  I  find  that  when  this  same  population  is  able  to  rearrange  the  network  by  changing  places,  the  group  that  prefers  playing  with  closer  agents  actually  does  better.  Finally,  I  find  that  there  is  a  tendency  for  emergent  self-organization  to  occur,  especially  when  one  group  has  asymmetric  ability  to  move,  and  conversely,  there  is  little  tendency  for  self-segregation  within  the  simulation  as  designed.  Many  of  these  results  appear  to  be  parasitic  on  the  Cultural  Red  King  and  Red  Queen  effects  attested  in  prior  research  by  others,  while  some  are  mechanically  independent. 
■590    ▼aSchool  code:  0031.
■650  4▼aPhilosophy
■650  4▼aComputer  engineering
■650  4▼aComputer  science
■653    ▼aEquality
■653    ▼aGame  theory
■653    ▼aComputational  research
■653    ▼aAsymmetric  ability
■653    ▼aSelf-segregation
■690    ▼a0422
■690    ▼a0984
■690    ▼a0464
■71020▼aUniversity  of  California,  Los  Angeles▼bPhilosophy  0651.
■7730  ▼tDissertations  Abstracts  International▼g86-12B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357920▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서