복잡 네트워크에서 공공재 게임의 사회·그룹 이질성 분리

초록

본 논문은 사회 연결망과 실제 협업 그룹을 별개의 구조로 분리하여 공공재 게임(PGG)을 시뮬레이션한다. 무작위와 선호적 선택을 조절하는 파라미터 α를 통해 동질적(ER)과 이질적(SF) 사회 구조를 만들고, 고정 비용(F CG)과 고정 개인 비용(F CI) 두 형태의 게임을 적용한다. 결과는 이질적 사회망이 반드시 협력을 촉진하지 않으며, 경우에 따라 동질적 네트워크가 더 높은 협력 수준을 보인다는 점을 보여준다.

상세 분석

이 연구는 기존 PGG 연구가 사회 네트워크 자체를 그룹 구조로 가정한 한계를 극복하고, 실제 협업 네트워크가 보이는 작은 모듈(그룹)들의 중첩성을 명시적으로 모델링한다는 점에서 혁신적이다. 저자들은 bipartite 그래프를 이용해 개인 노드와 그룹 노드를 구분하고, 두 확률분포 P(q) (개인이 속한 그룹 수)와 P(m) (그룹 규모)로 네트워크를 정의한다. 파라미터 α 를 통해 새 노드가 파트너를 선택할 때 완전 무작위(α=1) 혹은 기존 그룹 참여도에 비례하는 선호적 선택(α=0)을 적용함으로써, ER형 동질 네트워크와 SF형 이질 네트워크를 각각 재현한다. 중요한 점은 두 경우 모두 P(m) 은 고정된 δ‑함수(그룹 규모가 일정)이며, 차이는 오직 P(q) 의 형태에만 존재한다는 것이다.

게임 역학은 두 가지 비용 모델로 나뉜다. 고정 비용 per game(F CG)에서는 협력자가 각 그룹마다 동일한 비용 z 을 부담하고, 고정 비용 per individual(F CI)에서는 협력자가 전체 비용 z 을 자신의 그룹 수 q_i 에 따라 나눈다. 복제자 선택 규칙을 사용해 각 라운드 후 이웃 한 명과 보상을 비교하고, 보상이 더 큰 경우 확률 P_{i→j} = (f_j−f_i)/M 으로 전략을 모방한다. 여기서 M 은 두 노드의 가능한 최대·최소 보상의 차이로 정규화되며, F CG의 경우 q_i, q_j 에 대한 명시적 식을 도출할 수 있다.

시뮬레이션 결과는 다음과 같다. (1) 동질적 ER 네트워크에서는 r/m ≈ 0.5 에서 협력이 급격히 증가하고, 높은 r/m 값에서는 거의 완전 협력 상태에 도달한다. (2) 이질적 SF 네트워크는 동일한 임계점에서 협력이 시작되지만, 증가 속도가 현저히 완만하며, 특히 그룹 규모 m 이 커질수록 협력 비율 ρ_c 가 크게 감소한다. 이는 기존 연구에서 보고된 “SF가 협력을 촉진한다”는 결론이, 사회 연결망과 그룹 규모가 동시에 이질적일 때만 성립한다는 것을 시사한다. (3) 비용 모델을 F CI로 바꾸면 SF 네트워크에서 협력의 시작점이 더 낮아져( r/m ≈ 0.2) 어느 정도 개선되지만, 여전히 ER보다 낮은 협력 수준을 유지한다.

또한, SF 네트워크에서는 동일한 파라미터에서도 여러 실험 반복에 따라 전혀 다른 최종 상태(전면 협력 vs. 협력·불협력 공존)가 나타나며, 이는 네트워크 이질성이 동적 경로에 큰 변동성을 부여함을 의미한다. 반면 ER 네트워크는 항상 하나의 흡수 상태(전면 협력 또는 전면 불협력)로 수렴한다. 이러한 차이는 그룹 구조가 동질적으로 유지되는 상황에서 사회 이질성이 전략 전파에 미치는 영향을 명확히 드러낸다.

결론적으로, 사회 네트워크의 이질성 자체가 협력 촉진의 보편적 요인이 아니라, 그룹 구조와의 상호작용에 따라 긍정적·부정적 효과가 달라진다. 연구는 복잡 사회 시스템을 모델링할 때, 상위 레벨의 연결망과 하위 레벨의 협업 모듈을 분리해 고려해야 함을 강조한다.