動的最適化を用いた間接互恵性研究の新展開

Research Project

Project/Area Number	23K03211
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 12040:Applied mathematics and statistics-related
Research Institution	The Graduate University for Advanced Studies
Principal Investigator	大槻久総合研究大学院大学, 統合進化科学研究センター, 准教授 (50517802)
Project Period (FY)	2023-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000) Fiscal Year 2026: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000) Fiscal Year 2024: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000) Fiscal Year 2023: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Keywords	間接互恵性 / 動的最適化 / 協力の進化 / 評判 / 進化ゲーム / 進化 / ESS / 協力
Outline of Research at the Start	間接互恵性とは、社会的評判を介して協力が個体から個体へと受け渡されていく仕組みを指し、ヒトの協力を説明する機構として重要である。本研究では、間接互恵性においてどのような評判付与ルールと行動ルールが協力を安定に保つかを、動的最適化と進化ゲーム理論の手法を組み合わせて数理的に解析する。特に、評判付与のルールが確率的である場合や、評判値が三値以上である場合に着目し、我々が日常用いている「良い評判」「悪い評判」の基準が、適応の観点からどのように説明されるかを調べ、その理論的基礎付けを行う。
Outline of Annual Research Achievements	本年度は動的最適化の手法を間接互恵性の進化モデルに応用する方法論のreviewを行うことを目標に研究を進めた。まず、評判情報がGoodになるか否かが決定論的には決まらず、確率的に決定するようなモデルの解析を始めた。ところが定式化も済んだところで他グループが動的最適化の手法こそ用いないものの、類似の結果を得る論文を発表したために方針転換が必要になった。そのため年度の後半では、より一般的なフレームワークに動的最適化の手法を用いることができないかを調べることにした。その結果、比較的多くのクラスにおいて動的最適化による定式化が可能だが、特定のクラス、特に利得を特定するのに必要な情報集合に比べて、プレイヤーの持つ情報集合のほうが狭い場合、には動的最適化を必ずしも使えないことを発見した。これらの成果をまとめた論文を現在執筆しており、完成し次第投稿する予定である。また、これとは別に、間接互恵性における新しいモデルの解析にも着手した。具体的には、従来の研究が他者の評判情報に関して集団全体が一致した意見を持つというpublic assessmentの仮定を置いていたのに対し、新モデルでは個体毎に他者の評判を別々に保持できるprivate assessmentの状況を解析した。直観的にはprivate assessment下では集団が一致した意見を持つことができず、それにより間接互恵性の成立条件はより厳しくなると予測されるところだが、解析の結果、そのような状況でも間接互恵性による協力が進化的に安定な戦略(ESS)として維持されることが分かった。この成果をPNAS誌に公表した。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 本年度目標としていたreview論文の投稿に関しては、他グループの研究成果が出たことによって計画の一部変更が必要になったが、間接互恵性のprivate assessmentモデルの解析では画期的な成果を出しPNAS誌に公表することができたため。
Strategy for Future Research Activity	動的最適化と間接互恵性モデルの関係をまとめた論文を仕上げ、投稿することを第一の目標とする。またその後に速やかに多値評判モデルの解析を開始し、従来コンピュータパワーによって解かれてきた問題を動的最適化で分析することにより、解析的な結果を得て、結果の新しい解釈を得ることを目標とする。特に「多値評判情報は二値評判情報よりも協力を促進するか？」という問いに挑む。