Uma abordagem evolucionária e espacial para o jogo da autorregulação de processos de trocas sociais em sistemas multiagentes

Interações sociais são frequentemente descritas como trocas sociais. Na literatura, trocas sociais em Sistemas Multiagentes são objeto de estudo em diversos contextos, nos quais as relações sociais são interpretadas como trocas sociais. Dentre os problemas estudados, um problema fundamental discutido na literatura e a regulação¸ ao de trocas sociais, por exemplo, a emergência de trocas equilibradas ao longo do tempo levando ao equilíbrio social e/ou comportamento de equilíbrio/justiça. Em particular, o problema da regulação de trocas sociais e difícil quando os agentes tem informação incompleta sobre as estratégias de troca dos outros agentes, especificamente se os agentes tem diferentes estratégias de troca. Esta dissertação de mestrado propõe uma abordagem para a autorregulacao de trocas sociais em sistemas multiagentes, baseada na Teoria dos Jogos. Propõe o modelo de Jogo de Autorregulacão ao de Processos de Trocas Sociais (JAPTS), em uma versão evolutiva e espacial, onde os agentes organizados em uma rede complexa, podem evoluir suas diferentes estratégias de troca social. As estratégias de troca são definidas através dos parâmetros de uma função de fitness. Analisa-se a possibilidade do surgimento do comportamento de equilíbrio quando os agentes, tentando maximizar sua adaptação através da função de fitness, procuram aumentar o numero de interações bem sucedidas. Considera-se um jogo de informação incompleta, uma vez que os agentes não tem informações sobre as estratégias de outros agentes. Para o processo de aprendizado de estratégias, utiliza-se um algoritmo evolutivo, no qual os agentes visando maximizar a sua função de fitness, atuam como autorregulares dos processos de trocas possibilitadas pelo jogo, contribuindo para o aumento do numero de interações bem sucedidas. São analisados 5 diferentes casos de composição da sociedade. Para alguns casos, analisa-se também um segundo tipo de cenário, onde a topologia de rede é modificada, representando algum tipo de mobilidade, a fim de analisar se os resultados são dependentes da vizinhança. Alem disso, um terceiro cenário é estudado, no qual é se determinada uma política de influencia, quando as medias dos parâmetros que definem as estratégias adotadas pelos agentes tornam-se publicas em alguns momentos da simulação, e os agentes que adotam a mesma estratégia de troca, influenciados por isso, imitam esses valores. O modelo foi implementado em NetLogo.

Social interactions are often described as social exchanges. In the literature, social exchanges in Multi-Agent Systems are object of study in several contexts, in which social relations are interpreted as social exchanges. Among the problems studied, a key one discussed in the literature is the regulation of social exchanges, for instance, the emergence of balanced exchanges throughout time leading to social balance and/or behavior of balance/justice. In particular, the problem of regulation of social exchanges is difficult, when agents have incomplete information on strategies of other agents? exchange, specifically if agents have distinct strategies of exchange. This dissertation proposes an approach to self-regulation of social exchanges in multi-agents systems, based on Theory of Games. We propose the model of Game of Self-regulation of Social Exchanges Processes (GSSEP), in a spatial and evolutionary version, where organized agents in a complex network can evolve their distinct strategies of social exchange. Strategies of exchange are defined through parameters of a fitness function. We analyze the possibility of emergence of behavior of balance when agents, trying to maximize their adaptation through fitness function, search for increasing the number of successful interactions. We consider it a game of incomplete information, since agents do not have information on other agents? strategies. We use an evolutionary algorithm, in which agents, aiming at maximizing their fitness function, act as self-regulators of processes of exchanges enabled by the game, contributing for the increase of the number of successful interactions for process of learning strategies. Five different cases of the structure of society are analyzed. For some cases, we also analyze a second type of scenario, where network topology is modified, representing some kind of mobility, in order to analyze if results depend on neighborhood. Furthermore, a third scenario is studied to analyze if results found for each type of strategy of social exchange in time are outstanding. In this scenario, an influence policy is determined, when the averages of parameters that define the strategy adopted by agents become public in some moments of simulation, and agents that adopt the same strategy of exchange, influenced by that, imitate these values. The model was implemented at NetLogo.