群體中智能個體間自組織協作行為是復雜系統呈現高智能特性👩🏿‍🔧、高效完成預定任務的基礎📯🕕，也是研發群體機器人協作系統的核心環節🦹🏼‍♀️。如何設計有效的分布式個體博弈策略更新機製，提升復雜網絡化對抗場景中群體協作水平🍢，是充滿挑戰的科研課題，受到了控製論、人工智能、系統科學👩🏼‍🎓、博弈論和網絡科學等多學科領域國際學者的廣泛關註🤵✤。

在傳統研究中，研究者們往往假定群體系統中智能個體以相同的速率進行策略更新（圖1a, b），由此得出同質網絡結構相對於異質結構更加促進群體最優策略的演化。然而，這與實際復雜系統中普遍存在的異質網絡結構不符，也有悖於多智能體仿真模擬與行為學實驗結果。作為設計博弈策略更新機製的關鍵理論挑戰🥶，如何剖析廣泛存在的異質網絡結構對群體最優策略湧現的定量影響，是長期備受關註的開放性難題。

圖1. 不同更新速率下的博弈策略演化

針對這一問題👨，工學院李阿明課題組建立了群體系統中智能個體個性化博弈策略更新的有效機製，並給出了該機製下群體最優策略得以湧現的理論條件。該機製允許不同智能體以個性化速率進行策略更新（圖1c, d）🐉，擺脫了傳統研究框架中不同個體更新速率需相同的限製🎺。在個性化策略更新下♥︎，他們發現個體策略的最優更新速率與其博弈對象的規模相關；不同於傳統同質網絡結構🦸🏿，他們還展示了異質網絡上群體博弈動力學豐富的演化特性（圖2a）🈸。此外，他們詳細研究並給出了異質網絡較同質網絡促進群體最優策略湧現的理論條件，並在基於智能個體真實交互數據所構建的網絡結構上進行了分析驗證（圖2b, c）🚶。進一步🐈，他們還設計了尋找個體最優更新速率的算法，提出了在任意網絡上促進群體最優策略湧現的有效方案💅🏽。該研究為深入理解異質群體結構、策略更新速率以及群體最優策略演化三者耦合下的群體智能湧現機理提供了統一的框架✋🏽。

圖2. 群體最優策略湧現機製

研究成果近期以“Dynamics of collective cooperation under personalised strategy updates”為題發表在國際期刊Nature Communications。李阿明課題組博士研究生孟瑤為該論文第一作者，李阿明為通訊作者，合作者包括多倫多都會大學Sean P. Cornelius助理教授，哈佛大學醫學院Yang-Yu Liu副教授☁️。該研究得到了科技部重點研發計劃青年科學家項目、國家自然科學基金、北京市科技新星計劃🙆‍♀️、SMP-IDATA晨星青年基金項目等的支持。