확률적 교란 하에서 합리적 행동의 등장

초록

본 논문은 지수 학습 방식을 이용해 반복 게임에서 플레이어가 변동하는 환경에 적응하는 과정을 연구한다. 게임의 보상이 무작위 교란을 받을 때, 기존 진화 게임 이론의 “집합적 충격” 모델과는 다른 새로운 확률적 복제자 동역학을 도출한다. 교란 크기에 관계없이 지배 전략(반복적으로 지배되는 전략 포함)은 결국 사라지고, 엄격한 내시 균형은 확률적 점근 안정성을 가진다. 이를 교통 혼잡 게임을 예시로 구체화한다.

상세 분석

논문은 먼저 기존 복제자 동역학이 평균 보상에 기반해 결정론적으로 진화한다는 점을 상기한다. 그러나 실제 경제·사회 시스템에서는 외부 요인에 의해 보상이 시시각각 변동한다는 점을 강조하고, 이러한 변동을 확률 과정, 구체적으로는 백색 잡음 형태의 무작위 교란으로 모델링한다. 저자는 플레이어가 지수 학습(Exponential Learning) 규칙을 따를 때, 즉 현재 전략의 성과에 비례해 전략 비중을 조정하는 방식을 채택한다. 이때 학습률이 일정하고, 교란이 독립적인 가우시안 과정이라고 가정하면, 연속시간 한계에서 새로운 확률적 복제자 방정식이 도출된다. 이 방정식은 기존의 “aggregate shocks” 모델과는 달리, 교란이 전략 비중 자체에 직접적인 확산항을 부여한다는 특징을 가진다.

수학적으로는 전략 비중 (x_i(t))가
\