반응‑다윈형 최후통첩 게임: 높은 확산에서 절제 전략의 우세

초록

본 논문은 제안·응답자 간 제안 금액을

상세 분석

이 연구는 최후통첩 게임에 두 가지 진화 메커니즘을 동시에 적용한다는 점에서 독창적이다. 첫 번째는 ‘반응적’ 메커니즘으로, 제안자가 받은 수용·거부 결과에 따라 제안값 O를 고정된 증감량 ε만큼 조정한다. 여기서 세 가지 전략은 제안이 수용된 이웃의 수에 대한 요구 조건으로 구분된다. 탐욕(G) 전략은 최소 한 명이라도 수용하면 제안을 감소시키고, 절제(M) 전략은 절반 이상이 수용해야 감소시키며, 보수(C) 전략은 모든 이웃이 수용해야만 감소시킨다. 두 번째는 ‘다윈적’ 메커니즘으로, 각 라운드 후 이웃 중 payoff가 더 높은 플레이어의 전략을 복제한다.

정적 평균장 분석에서는 네 이웃(k=4)과 무작위 전략 혼합 비율(p_G, p_M, p_C) 하에 평균 제안값 ⟨O⟩의 연속시간 미분 방정식
d⟨O⟩/dt = A⟨O⟩⁴ + B⟨O⟩³ + C⟨O⟩² + D⟨O⟩ + 1
을 도출한다. 여기서 A=2(p_G−p_C)−6p_M, B=16p_M−8p_G, C=12(p_G−p_M), D=−8p_G이다. 이 방정식은 전략 비율에 따라 고정점이 달라짐을 보여준다. 예를 들어, 전적으로 보수 전략(p_C=1)일 때 고정점은 ⟨O⟩≈0.84(≈2−√2/4)로, 제안값이 중간 수준에서 수렴한다. 반면 탐욕 전략만 존재하면 고정점은 ⟨O⟩≈0.16으로 낮은 제안을 유지한다.

동적 시뮬레이션(MSSUG)에서는 2차원 격자에 각 사이트에 하나의 에이전트를 배치하고, 위의 반응·다윈 메커니즘을 모두 적용한다. 추가적으로 두 가지 ‘보완적’ 요소를 도입한다. 첫째, 수용 확률을 제안값뿐 아니라 응답자의 예상 부(wealth)와 비교하는 함수 f_{ij}(t)로 조정하여, 응답자가 자신이 제안자로서 받을 수 있는 금액보다 큰 제안을 받을 경우에만 수용하도록 한다. 둘째, 제안값이 0이나 1에 가까워지는 극단 상황을 회피하도록, 제안 감소 확률을 O_i(t)로, 증가 확률을 1−O_i(t)로 설정한다.

이후 각 라운드가 끝나면 인접한 두 에이전트를 선택해 교환 확률 α에 따라 위치를 바꾸는 ‘확산’ 과정을 도입한다. α가 0이면 고정된 네트워크, α가 1에 가까우면 완전 무작위 혼합에 해당한다.

시뮬레이션 결과는 α가 증가할수록 절제(C) 전략이 일시적으로 우세하지만, 중간 정도의 α(≈0.2~0.5) 구간에서 절제와 탐욕이 공존하다가 결국 절제(M) 전략이 전역적으로 지배하게 됨을 보여준다. 이는 높은 이동성이 전략 간 상호작용을 촉진해 보수 전략이 요구하는 전역적 동의를 달성하기 어렵게 만들고, 반면 절제 전략은 ‘절반 이상’이라는 완화된 조건으로 더 안정적인 수용을 얻기 때문이다. 또한 평균 payoff와 Gini 계수를 분석한 결과, 절제 전략이 우세할 때 전체 사회적 복지와 소득 평등성이 동시에 향상되는 경향을 보였다.

이 논문은 제안값 조정 메커니즘을 단순 확률적 반응에서 사회적 기대와 위험 회피를 반영한 복합 함수로 확장함으로써, 실제 인간 사회에서 관찰되는 ‘공정성’과 ‘협력’ 행동을 모델링하는 데 한 걸음 더 나아갔다. 또한 이동성(확산)이라는 물리적 요인이 전략 진화에 미치는 영향을 정량적으로 제시함으로써, 사회 네트워크의 구조적 변화가 문화적 규범 형성에 어떤 영향을 미치는지에 대한 통찰을 제공한다.