matlab +人口增长代码囚徒困境作为癌症模型 作者：Jeffrey West，日期：2016年2月29日 刊物 此代码或在此框架之上开发的代码已在以下出版物中使用： 如何使用： 编写此代码是为了在MatLab中使用，main.m是可执行文件，buildA.m，buildQ.m，checkMutation.m，choiceBirthType.m，chooseDeathType.m是main.m可执行文件使用的函数。 参数 该代码运行进化动力学仿真，这是一个恒定的种群过程（N =竞争的细胞数=恒定）。 选择压力w在0（无选择，等同于Moran过程）和1（完全选择压力：囚徒困境的最大影响）之间变化。 这个简单的模型包含两个表型（健康，癌症），总共由2 ^ b个遗传类型组成，其中b是每个细胞“数字基因组”的位长。 例如，对于b = 4，有16种遗传类型可以分为11种健康和5种癌症类型。 该代码运行一次随机模拟并绘制结果。

用Mathematica实现重复囚徒困境问题

在给定的迭代次数中，位于格子中的一组代理与他们的邻居一起玩“囚徒困境”。 在每次迭代中，智能体根据环境中最成功的参与者选择的策略选择合作或背叛。 该模型是一个二维元胞自动机，其转换规则取决于代理与邻居玩囚徒困境时的累积收益。 在许多情况下，游戏的动态会产生复杂的混乱模式。

复杂网络囚徒困境博弈matlab源程序，采用方形格子规则网络或无标度网络。

(若下载后打不开,请手动文件改后缀名为.zip或.rar) 策略思维_博弈论入门_阿维纳什·K·迪克西特、巴里·J·奈： 博弈论【美】朱.弗登伯格【法】让.梯若尔 A Course in Game Theory(中文版) 博弈论与信息经济学 妙趣横生博弈论 身边的博弈 第2版 耶鲁公开课教材_Strategies and Games(Dutta) 中科院课件-博弈论与信息经济学

matlab仿真囚徒困境问题

two_prisoners.py

迭代囚徒困境（IPD）博弈在博弈论、经济学、程序设计、决策论等领域长期被研究。 这是一个 2 人游戏场景，每个玩家必须在一系列游戏中决定是“合作”还是“失败”，他们各自的选择决定了每个玩家的相对成功或失败。 你会与对手合作还是想为自己窃取所有积分？ 此代码在两个或更多玩家之间运行锦标赛。 每个玩家可以提交任意数量的“个性”。 每个玩家提交的每个个性与所有其他玩家提交的所有个性进行IPD游戏。 然后绘制并输出结果。 在此提交中，已经在 3 个示例玩家和每个玩家的一些简单样本人物中设置了一个示例。 要创建您自己的播放器和个人，只需更换播放器目录和示例功能。 要运行示例， >> IPD外壳 有关创建自己个性的更多详细信息、具体规则和说明， >> 帮助IPDshell 有关囚徒困境的更多信息，请参阅： http://plato.stanford.edu/entries/prisoner-d

复杂网络囚徒困境博弈matlab源程序，采用方形格子规则网络或无标度网络。 复杂网络囚徒困境博弈matlab源程序，采用方形格子规则网络或无标度网络。

基于无标度集聚网络的博弈模型；采用囚徒困境博弈模型；内附.m文件和doc解释文件