有吸引力的资源相互作用的平均场动力学：从均匀状态到聚集状态

《Mathematics and Computers in Simulation》：Mean-field dynamics of attractive resource interaction: From uniform to aggregated states

　　奥克萨娜·R·萨图尔（Oksana R. Satur）

乌克兰国家科学院数学研究所，3 特列申基夫斯卡街（3 Tereshchenkivska Str.），01024 基辅，乌克兰

摘要

我们引入并研究了一个非线性离散动力系统，该系统描述了在相互作用代理之间资源分配的演变过程。该模型推广了几个经典的平均场和观点动态框架，并定义在标准单纯形上，其中每个坐标根据基于偏好的平均场相互作用规则进行演变。我们提供了系统的长期行为的完整分析描述。首先，我们建立了单调性性质，并证明动态始终位于由初始条件决定的正不变区域内。我们证明了对于任何允许的参数集，都存在一个唯一的固定点，并推导出了任意维度下平衡的显式封闭形式公式。然后，我们分析了固定点的局部稳定性，并确定了导致聚集或均匀分布的参数范围。最后，我们描述了所有可能的渐近情景，并表明尽管系统具有非线性结构，但它不会表现出振荡或混沌行为：每条轨迹都收敛到唯一的平衡点。这些结果为这类单调资源交互模型提供了完整的定性理论，并为从均匀状态到聚集状态的转变提供了数学解释。

引言

在众多科学领域中，建模由许多竞争有限资源的相互作用组件组成的系统是一项基本任务[1]。这些模型在社会物理学中处于核心地位，其中应用统计物理学的方法来理解宏观社会模式（如共识或分化）是如何从微观相互作用中产生的[2],[3]。这些模型被用于描述社会和经济系统、网络理论，以及市场份额或政治影响力分布的分析。研究这类系统的关键问题是预测它们的长期行为：系统是会收敛到资源在所有参与者之间均匀分布的平衡状态，还是会转变为资源仅集中在少数组件中的聚集状态？

组件之间的相互作用类型（排斥性或吸引力）对系统的动态有着至关重要的影响。通常描述竞争的排斥性相互作用模型通常会导致系统倾向于避免资源集中。相比之下，本文关注的具有吸引性相互作用的模型可以描述合作过程、向影响力中心的引力或资本集中。我们的研究正是针对这类系统。虽然在具有吸引性相互作用的模型中，“冲突”一词可能看起来反直觉，但它代表了在状态空间Ω内对主导地位或影响力的竞争。在这种情况下，向更有影响力的组件的吸引力是冲突的关键战略元素，导致资源的聚集而不是均匀分散。这与沃洛迪米尔·科什马年科（Volodymyr Koshmanenko）[4],[5]引入的概率度量之间的“冲突”的基本概念相联系。虽然原始工作侧重于量化分歧，但这里探索的吸引性动态展示了这种相互作用如何通过收敛到单一的稳定平衡来实现“冲突解决”。冲突系统之间相互作用的数学建模，特别是关于外部支持的作用，是正在进行的研究课题[6]。

这项工作可以被视为数学生态学[7]和经济学[8]中普遍存在的资源竞争模型的丰富传统的一部分。此外，对可替代资源竞争的研究，其中分岔分析揭示了排斥和共存之间的转换，为我们在第3节中进行的分岔分析提供了宝贵的背景[9]。

另一种有力的解释是将其视为一个相互作用代理试图达成共识的系统。在这种观点下，状态向量代表了意见的分布，使该模型成为一个离散时间多代理系统的例子[10],[11]。聚集状态则代表了意见极化或分化现象，这些现象在社会物理学中得到了广泛研究[2],[12],[13]。

最后，该模型与财富分配的经济物理学模型具有共同的特点。守恒定律∑ipi=1反映了封闭经济。虽然像Chakraborti & Chakrabarti（2000）那样的随机代理模型会导致Boltzmann–Gibbs分布[14]，但我们的确定性模型提供了一种替代的财富聚集机制，其中参数ci可以被解释为代理的“经济吸引力”，从而在分析上决定了最终分布。

接下来，我们构建了一个动力系统模型，该模型描述了在给定状态空间Ω={ω1,ω2,…,ωn}（n>1）中某种资源的均匀或聚集分布。我们确定了一个特定的离散概率度量μ，它对应于一个特定的分布。这个度量的值?μ(ωi)?pi≥0（i=1,…,n），被解释为资源的份额或系统中第i个组分的相对权重。根据构造，∑ipi=1。因此，序列μ(ωi)定义了一个随机向量p=(p1,p2,…,pn)。

在每个状态ωi中资源竞争的情况用度量ν来描述，其在点ωi处的值定义如下：?ν(ωi)=1?μ(ωi)n?1=1?pin?1?ri。很容易验证这些值也形成了一个随机向量r=(r1,r2,…,rn)∈R+n。量ν(ωi)可以解释为μ在子集Ω?ωi上的平均分布（平均场）。这种平均场方法在统计物理学中广泛用于描述个体组件与整个系统的平均属性相互作用，而不是它们之间的相互作用[15]。此外，这种范式通过平均场博弈论得到了大幅扩展，该理论为分析大量代理群体内的战略相互作用提供了严格的框架。这一理论的现代应用非常多样，从具有扩散控制的排名游戏[16]到有界域上的空间优化[17]。虽然我们的模型没有明确表述博弈，但它共享了核心的平均场哲学，描述了系统的整体状态如何塑造个体组分的有利条件。

从概念上讲，组件之间的相互依赖性通过全局标准化约束（∑ipi=1）和共享的平均场分布建立了与相关均衡概念的深刻联系。在经典博弈论中，当玩家通过共享信号协调他们的策略时，就会出现相关均衡[18]。在大量人口和平均场博弈的背景下，近期文献引入了相关均衡的平均场类比，其中人口分布起到了共享的相关信号的作用[19],[20]。在我们的宏观系统中，平均场向量rt和标准化分母zt恰好发挥了这一功能，自然地将系统推向聚集的、合作的结局，而不是孤立的竞争纳什均衡。

我们研究了离散时间动力系统的轨迹行为，用随机向量pt??，tpt+1,t=0,1,…（p0≡p）来表示，其中?表示系统在状态空间Ω上的动态变换法则。

用坐标术语来说，冲突动态的规律定义为：pit+1=pit(1+cirit)zt，00）还是其边界上（某些pi∞=0）——……

在准备这项工作期间，作者使用了Gemini工具来检查文本冗余、评估图例说明，并格式化参考文献列表。使用该工具/服务后，作者根据需要审查和编辑了内容，并对发表文章的内容承担全部责任。

代码可用性

本文中介绍的算法实现的Python代码可以在公共GitHub仓库中找到：https://github.com/kseniajasko/fixed-point-analysis-conflict-model。

利益冲突声明

作者声明他们没有已知的利益冲突或个人关系可能会影响本文报告的工作。

致谢

这项工作部分得到了Simons基金会（美国）的资助，授予编号SFI-PD-Ukraine-00014586（O.R.S.）以及项目“复杂系统及其相关过程的数学建模”（编号0125U000299）的支持。特别感谢沃洛迪米尔·科什马年科（Volodymyr Koshmanenko），他是冲突动态的基础方程的作者，这些方程是本工作开发模型的理论基础。作者对匿名审稿人表示衷心的感谢。