基于復(fù)合策略的社會(huì)學(xué)習(xí)模型

劉坤坤，魏新江，方愛(ài)麗

（魯東大學(xué)數(shù)學(xué)與統(tǒng)計(jì)科學(xué)學(xué)院，山東 煙臺(tái)264025）

0 引言

在日常生活中，人們對(duì)于各類經(jīng)濟(jì)、社會(huì)、文化事件都會(huì)有自己的信念（或觀點(diǎn)）。由于信念（或觀點(diǎn)）在很大程度上影響著人們的行為與決策，因此研究信念（或觀點(diǎn)）的形成與演化是一個(gè)具有重要意義的課題。每個(gè)個(gè)體都可能從社會(huì)網(wǎng)絡(luò)中獲取其他個(gè)體的觀點(diǎn)，還可能接收到反映事件潛在狀態(tài)的外界信號(hào)，并在此基礎(chǔ)上更新自己的信念，新的信念再次融入社會(huì)網(wǎng)絡(luò)中，如此不斷學(xué)習(xí)、更新，推動(dòng)整個(gè)群體信念的動(dòng)態(tài)演化。這種個(gè)體通過(guò)交流與互動(dòng)調(diào)整自己信念的過(guò)程就稱為社會(huì)學(xué)習(xí)。

社會(huì)學(xué)習(xí)理論［1］是由美國(guó)心理學(xué)家阿爾伯特·班杜拉于1976年提出的，到目前為止，已經(jīng)應(yīng)用到社會(huì)學(xué)之外的眾多領(lǐng)域。對(duì)于許多社會(huì)問(wèn)題人們往往想獲取一個(gè)統(tǒng)一的最佳答案，在當(dāng)今大數(shù)據(jù)的網(wǎng)絡(luò)時(shí)代，與這些問(wèn)題相關(guān)的信息往往分散在巨大的社會(huì)網(wǎng)絡(luò)中，社會(huì)學(xué)習(xí)的目的就在于通過(guò)個(gè)體之間的相互作用使得分散的信息得以整合［2－8］，最終在這些社會(huì)問(wèn)題上達(dá)成共識(shí)。

社會(huì)學(xué)習(xí)的研究一般是以具體的模型為導(dǎo)向，在不同的問(wèn)題上所建立的模型也有所區(qū)別，比較常見(jiàn)的兩種模型，一是基于貝葉斯法則的社會(huì)學(xué)習(xí)，二是基于鄰居信念的社會(huì)學(xué)習(xí)。

基于貝葉斯學(xué)習(xí)的經(jīng)典研究有很多，從序列社會(huì)學(xué)習(xí)模型［9－10］到社會(huì)網(wǎng)絡(luò)模型［11－14］，基于貝葉斯法則的學(xué)習(xí)策略在現(xiàn)實(shí)生活中的應(yīng)用越來(lái)越廣泛。然而，在很多情況下，每個(gè)個(gè)體僅能夠知道很少的其他個(gè)體（比如朋友、同事或者家人）的觀點(diǎn)，甚至可能僅僅掌握自己的經(jīng)驗(yàn)。這種有限的觀察力，加上由整個(gè)網(wǎng)絡(luò)上分散信息所產(chǎn)生的觀點(diǎn)與觀點(diǎn)之間復(fù)雜的相互作用，使得個(gè)體無(wú)法以貝葉斯方式學(xué)習(xí)別人的觀點(diǎn)。另外，基于貝葉斯法則的社會(huì)學(xué)習(xí)需要掌握網(wǎng)絡(luò)結(jié)構(gòu)的完整信息，因此計(jì)算的復(fù)雜程度相當(dāng)大。實(shí)際上，人們做決策時(shí)，并不一定會(huì)理性地遵循貝葉斯法則，也有可能采取從眾或接受朋友的影響?；卩従有拍畹母虏呗裕跏嫉慕?jīng)典研究是DeGroot于1974年提出的模型［15］，結(jié)果發(fā)現(xiàn)，在適當(dāng)?shù)臈l件下群體信念能夠收斂到一致，但是卻不一定收斂到真實(shí)信念。人們還就基于鄰居信念的社會(huì)學(xué)習(xí)做了后續(xù)研究［16－19］。Golub和Jackson在DeGroot模型基礎(chǔ)上進(jìn)行研究，得到進(jìn)一步的結(jié)論：當(dāng)網(wǎng)絡(luò)規(guī)模無(wú)限增長(zhǎng)時(shí)，如果社會(huì)中不存在有影響力過(guò)大的個(gè)體，那么這種漸近一致的信念將收斂到真實(shí)信念［20］。雖然基于鄰居信念的更新策略建模比較簡(jiǎn)單計(jì)算也不復(fù)雜，但是不能保證個(gè)體的信念一定收斂到真實(shí)信念，即使能夠收斂到真實(shí)信念也必須滿足網(wǎng)絡(luò)是無(wú)限增長(zhǎng)等特定的條件，這就限制了基于鄰居信念的更新策略在社會(huì)網(wǎng)絡(luò)中的普遍使用。

由此可見(jiàn)，單獨(dú)使用基于貝葉斯法則的更新策略或者基于鄰居信念的更新策略，都存在著一定的問(wèn)題，所以我們考慮在社會(huì)學(xué)習(xí)策略中將二者結(jié)合起來(lái)。2012年，Jadbabaie等［21］在研究社會(huì)網(wǎng)絡(luò)中個(gè)體信念更新過(guò)程中，個(gè)體的信念更新將由個(gè)體自己的信念和其鄰居的信念共同決定，其中個(gè)體自己的信念由貝葉斯法則更新，理論結(jié)果表明如果滿足網(wǎng)絡(luò)是強(qiáng)聯(lián)通的等條件，那么所有個(gè)體最終能夠達(dá)到漸近學(xué)習(xí)。他們還進(jìn)一步說(shuō)明，在強(qiáng)連通的社會(huì)網(wǎng)絡(luò)中，社會(huì)交流可以整合出全局的基本狀態(tài)信息，這種信息整合能夠避免使用貝葉斯法則更新帶來(lái)的計(jì)算成本，并且這個(gè)模型可以在有限規(guī)模的網(wǎng)絡(luò)中使用，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和個(gè)體的影響力程度都不能阻礙社會(huì)學(xué)習(xí)，這就避免了單獨(dú)使用上述任何一種策略帶來(lái)的問(wèn)題。Ali Jadbabaie等所使用的模型，要求每一時(shí)刻的信念更新時(shí)個(gè)體自己的信念必須由貝葉斯法則進(jìn)行更新，個(gè)體與鄰居之間必須要交流，但是考慮實(shí)際情況社會(huì)個(gè)體不一定每次都要采取貝葉斯法則更新。本文考慮社會(huì)個(gè)體的異質(zhì)性和復(fù)雜性，提出了一種復(fù)合策略。個(gè)體在更新信念的過(guò)程中，每一時(shí)刻個(gè)體依據(jù)一定的概率選擇兩種策略之一進(jìn)行自己的信念更新，或者采用貝葉斯更新策略，或者根據(jù)社會(huì)網(wǎng)絡(luò)中鄰居信念來(lái)更新的策略，而在下一時(shí)刻，個(gè)體還要依概率選擇兩種策略之一進(jìn)行信念更新，并且每個(gè)個(gè)體的策略選擇概率是不同的，這就體現(xiàn)了個(gè)體的多樣性和復(fù)雜性，與實(shí)際社會(huì)中個(gè)體的動(dòng)力學(xué)行為相符，在此基礎(chǔ)上建立的模型與Ali Jadbabaie的模型相比更能體現(xiàn)出個(gè)體的主觀選擇性。這種基于復(fù)合策略的社會(huì)學(xué)習(xí)模型能夠更好地體現(xiàn)社會(huì)網(wǎng)絡(luò)中個(gè)體的復(fù)雜行為，更好地展現(xiàn)社會(huì)個(gè)體的信念學(xué)習(xí)過(guò)程。

1 模型

1.1 預(yù)備知識(shí)

社會(huì)網(wǎng)絡(luò)可抽象為圖G＝ （N ，E），其中N＝ ｛1，2 ，…，n｝為社會(huì)網(wǎng)絡(luò)中所有個(gè)體的集合，E為個(gè)體之間相互作用構(gòu)成的邊集合。個(gè)體之間相互作用的權(quán)重矩陣記為Q＝（qiij）n×n，qij代表個(gè)體i與個(gè)體j之間的相互作用權(quán)重，對(duì)?i，滿足若個(gè)體i和個(gè)體j之間有直接的相互作用，則qij＞0，就稱個(gè)體i與個(gè)體j互為鄰居，若個(gè)體i和個(gè)體j之間沒(méi)有直接相互作用，則qij＝0，個(gè)體i的所有鄰居的集合記為Ni＝｛j｜qij＞0｝。

所有可能的狀態(tài)的集合記為Θ＝｛θ1，θ2，…，θK｝，其中潛在的真實(shí)狀態(tài)θ＊∈Θ。個(gè)體i在t時(shí)刻對(duì)狀態(tài)θk的信念表示為Pi，t（θk），初始信念為 Pi，0（θk）。個(gè)體所接收到的信號(hào)集合為st＝｛s1，t，s2，t，…，sn，t｝∈S1×S2×…×Sn≡S，是根據(jù)似然函數(shù)P（st｜θ）產(chǎn)生，其中si，t∈Si表示個(gè)體i在t時(shí)刻觀察到的信號(hào)，Si表示個(gè)體i的信號(hào)空間。Pi（·｜θ）為P（st｜θ）的第i個(gè)邊緣分布，稱為個(gè)體i的信號(hào)結(jié)構(gòu)。這里假設(shè)每個(gè)個(gè)體的信號(hào)結(jié)構(gòu)都是已知的。

1.2 更新策略

1）基于貝葉斯法則的更新策略：個(gè)體i在t＋1時(shí)刻接收到信號(hào)si，t＋1，對(duì)于狀態(tài)θk的信念按照下列貝葉斯法則更新：

2）基于鄰居信念的更新策略：由于網(wǎng)絡(luò)中個(gè)體之間的相互影響，每一時(shí)刻，個(gè)體都會(huì)綜合鄰居的信念對(duì)自己的信念進(jìn)行更新，個(gè)體i基于鄰居信念的更新策略公式為

其中，權(quán)重值qij也可理解為個(gè)體i對(duì)個(gè)體j的信任度，特別地，當(dāng)i＝j(luò)時(shí)，qii為個(gè)體i的自信度。

在社會(huì)網(wǎng)絡(luò)中，個(gè)體并不一定完全理性，也不一定完全非理性，因此個(gè)體進(jìn)行信念更新時(shí)，并不一定都采取基于貝葉斯法則的更新策略，也不一定都采用基于鄰居信念的更新策略，可能有的個(gè)體采用貝葉斯更新，有的個(gè)體采用基于鄰居信念更新，我們提出一種復(fù)合策略模型，定義一個(gè)個(gè)體策略選擇概率αi，根據(jù)個(gè)體的異質(zhì)性，假定每個(gè)個(gè)體的策略選擇概率αi是不相同的，社會(huì)網(wǎng)絡(luò)中的個(gè)體會(huì)以概率αi選擇貝葉斯更新策略，以概率1－αi選擇基于鄰居信念的更新策略，即在t＋1時(shí)刻個(gè)體i的信念更新復(fù)合策略為

1.3 定義及命題

定義2 等價(jià)觀測(cè)狀態(tài)：若個(gè)體i在狀態(tài)θm和θn的條件下的信號(hào)結(jié)構(gòu)相同，即Pi（·｜θm）＝Pi（·｜θn），則稱個(gè)體i不能識(shí)別狀態(tài)θm和θn，狀態(tài)θm和θn為個(gè)體i的等價(jià)觀測(cè)狀態(tài)。

假如所有個(gè)體對(duì)狀態(tài)空間Θ＝｛θ1，θ2，…，θK｝中某兩個(gè)狀態(tài)等價(jià)觀測(cè)，那么所有的信號(hào)失去了對(duì)這兩個(gè)狀態(tài)的辨別能力，個(gè)體也就失去了接收到信號(hào)的意義，所以本文假設(shè)不存在對(duì)所有個(gè)體來(lái)說(shuō)都等價(jià)觀測(cè)的狀態(tài)。命題1 假設(shè)真實(shí)狀態(tài)為θ＊

1）策略選擇概率αi：0＜αi≤1

2）社會(huì)網(wǎng)絡(luò)中至少有一個(gè)個(gè)體對(duì)真實(shí)狀態(tài)的信念為正，即?i∈N，使Pi，0（θ＊）＞0

3）不存在對(duì)所有個(gè)體來(lái)說(shuō)都等價(jià)觀測(cè)的狀態(tài)

在上述的條件下，按照復(fù)合策略法則（3）進(jìn)行信念更新，則所有個(gè)體都能達(dá)到漸近學(xué)習(xí)。

圖1 含有5個(gè)個(gè)體的社會(huì)網(wǎng)絡(luò)Fig.1 A social network with 5agents

2 仿真

在仿真實(shí)驗(yàn)中，設(shè)定若每個(gè)個(gè)體對(duì)于真實(shí)狀態(tài)的信念滿足Pi，t（θ＊）＞0.999 9，則認(rèn)為所有個(gè)體達(dá)到了漸近學(xué)習(xí)，時(shí)刻t為達(dá)到漸近學(xué)習(xí)的時(shí)間。以圖1所示社會(huì)網(wǎng)絡(luò)為例，N＝｛1，2，3，4，5｝ ，狀態(tài)空間Θ＝ ｛θ1， θ2｝，假定θ1為真實(shí)狀態(tài)，每個(gè)個(gè)體所接收到的信號(hào)是相互獨(dú)立的，為簡(jiǎn)單起見(jiàn)，假設(shè)個(gè)體的信號(hào)空間相同，都為Si＝ ｛s1，s2，s3，s4｝，個(gè)體的信號(hào)結(jié)構(gòu)也相同，設(shè)為

給定每個(gè)個(gè)體的初始信念為

假設(shè)個(gè)體之間相互作用的權(quán)重在它和其鄰居之間平均分配，若個(gè)體i鄰居的數(shù)目為di，即它的度數(shù)為di，計(jì)算權(quán)重時(shí)要加上個(gè)體本身，則個(gè)體i與其鄰居相互作用的權(quán)重值如圖1個(gè)體1鄰居數(shù)為4，它的度數(shù)d1＝4，它及其鄰居相互作用的權(quán)重值q1j全部等于，在每次更新的過(guò)程中，權(quán)重值保持不變。同理得到所有個(gè)體之間的相互作用權(quán)重，從而相互作用權(quán)重矩陣Q為

為了體現(xiàn)個(gè)體的異質(zhì)性，以及觀察策略選擇概率對(duì)于社會(huì)個(gè)體的影響，對(duì)于策略選擇概率αi選擇4種不同的取值范圍，對(duì)上述實(shí)例利用復(fù)合策略法則（3）進(jìn)行信念更新，得到仿真結(jié)果如圖2所示。

圖2 在不同的策略選擇概率下，社會(huì)個(gè)體信念的演化圖Fig.2 The evolution of social individuals′beliefs under different strategy selection probabilities

從上述仿真結(jié)果可以看出：1）在滿足命題1條件下，所有個(gè)體對(duì)真實(shí)狀態(tài)的信念最終都能收斂到1，即所有個(gè)體都達(dá)到了漸近學(xué)習(xí)，從而整個(gè)社會(huì)也就達(dá)到了漸近學(xué)習(xí)；2）當(dāng)策略選擇概率在不同的取值范圍時(shí)，整個(gè)社會(huì)達(dá)到漸近學(xué)習(xí)的時(shí)間不同。

為了體現(xiàn)策略選擇概率對(duì)于學(xué)習(xí)速率的影響，對(duì)策略選擇概率所處的范圍進(jìn)行劃分，分別對(duì)處于不同取值范圍策略選擇概率下的學(xué)習(xí)時(shí)間取了500次實(shí)驗(yàn)平均，結(jié)果如表1所示。

表1 策略選擇概率在不同的取值范圍下，個(gè)體達(dá)到漸近學(xué)習(xí)的時(shí)間Tab.1 Individuals′asymptotic learning time under different ranges of strategy selection probabilities

從表1可以直觀地看出，每個(gè)個(gè)體的策略選擇概率αi取值越小，即選擇基于貝葉斯法則更新策略的個(gè)體較少時(shí)，雖然最后也能達(dá)到漸近學(xué)習(xí)，但是所花的時(shí)間比較長(zhǎng)；每個(gè)個(gè)體的策略選擇概率αi取值越大，即選擇基于貝葉斯法則更新策略的個(gè)體較多時(shí)，學(xué)習(xí)的速度是最快的。也就是說(shuō)策略選擇概率與學(xué)習(xí)時(shí)間呈負(fù)相關(guān)關(guān)系。

3 結(jié)論

人類的社會(huì)學(xué)習(xí)，是在復(fù)雜的社會(huì)環(huán)境中進(jìn)行的，考慮社會(huì)網(wǎng)絡(luò)的復(fù)雜性以及個(gè)體的異質(zhì)性，我們采用復(fù)合策略去研究個(gè)體的社會(huì)學(xué)習(xí)，才與人類動(dòng)力學(xué)行為相符。本文將基于貝葉斯法則的更新策略和基于鄰居信念的更新策略結(jié)合起來(lái)，讓每個(gè)個(gè)體合理選擇策略，既能發(fā)揮個(gè)體的主觀能動(dòng)性，又能與外界環(huán)境相交流，研究結(jié)果發(fā)現(xiàn)，滿足一定條件時(shí)，社會(huì)網(wǎng)絡(luò)中的每個(gè)個(gè)體都能夠達(dá)到漸近學(xué)習(xí)，并且每個(gè)個(gè)體的策略選擇概率取值越大，漸近學(xué)習(xí)的速度也越快。

基于復(fù)合策略的信念更新，更加符合人們?cè)诂F(xiàn)實(shí)生活中所進(jìn)行的學(xué)習(xí)，跟單一策略相比較，得到結(jié)果更確切且更加符合人們的認(rèn)知。但是還有些問(wèn)題有待于繼續(xù)探討：1）本文只是選擇雙策略進(jìn)行研究，是否還可以加入其他策略有待于進(jìn)一步研究；2）個(gè)體之間相互作用的權(quán)重值，在每次信念更新時(shí)，是保持不變的，但在實(shí)際生活中由于每次信念更新之后，個(gè)體會(huì)對(duì)鄰居又加強(qiáng)了了解，所以在分配權(quán)重的時(shí)候可能會(huì)發(fā)生相應(yīng)的變化，這也是下一步需要考慮的問(wèn)題；3）本文仿真實(shí)驗(yàn)中，假定是不存在頑固個(gè)體或者是具有較大影響力的個(gè)體，對(duì)于這些個(gè)體的存在是否能影響到社會(huì)網(wǎng)絡(luò)中個(gè)體達(dá)到漸近學(xué)習(xí)，以及即使達(dá)到漸近學(xué)習(xí)是否又影響到學(xué)習(xí)的速率，這也是以后將要研究的問(wèn)題；4）文中采取的只是以無(wú)向網(wǎng)絡(luò)為例，對(duì)于含有較少個(gè)體的網(wǎng)絡(luò)做了初步的研究，其中社會(huì)個(gè)體是可以達(dá)到漸近學(xué)習(xí)的，進(jìn)一步地，有向社會(huì)網(wǎng)絡(luò)中的社會(huì)學(xué)習(xí)問(wèn)題也亟需探討。

［1］ Albert B.Social learning Theory［M］.London：Prentice Hall，1976.

［2］ Lee I.On the convergence of informational cascades［J］.The Journal of Economic Theory，1993，61（2）：395－411.

［3］ Tsitsiklis J N，Athans M.Convergence and asymptotic agreement in distributed decision probl－ems［C］.IEEE Transactions on Automatic Control，1984，29（8）：690－696.

［4］ Feddersen T，Pesendorfer W.Voting behavior and information aggregation in elections with private information［J］.Econometrica，1997，65（5）：1029－1058.

［5］ Foster A，Rosenzweig M.Learning by doing and learning from others：human capital and technical change in agriculture［J］.The Journal of Political Economy，1995，103（6）：1176－1209.

［6］ Celen B，Kariv S.Observational learning under imperfect information［J］.Games and Economic Behavior，2004，47（1）：72－86.

［7］ Borkar V，Varaiya P.Asymptotic agreement in distributed estimation［C］.IEEE Transactions on Automatic Control，1982，27：650－655.

［8］ Udry C，Conley T.Social learning through networks：the adoption of new agricultural technologies in ghana［J］.American Journal of Agricultural Economics，2001，83（3）：668－673.

［9］ Banerjee A.A simple model of herd behavior［J］.The Quarterly Journal of Economics，1992，107（3）：797－817.

［10］Smith L，S?rensen P.Pathological outcomes of observational learning［J］.Econometrica，2000，68（2）：371－398.

［11］Gale D，Kariv S.Bayesian learning in social networks［J］.Games and Economic Behavior，2003，45（2）：329－346.

［12］Banerjee A，F(xiàn)udenberg D.Word－of－mouth learning［J］.Games and Economic Behavior，2004，46（1）：1－22

［13］Celen B，Kariv S.An experimental test of observational learning under imperfect information［J］.Economic Theory，2005，26（3）：677－699.

［14］Montrey M R，Shultz T R.Evolution of social learning strategies［C］.2010IEEE 9th International Conference on Development and learning，Ann Arbor，MI，USA，2010：95－100.

［15］DeGroot M H.Reaching a consensus［J］.Journal of the American Statistical Association，1974，69（345）：118－121.

［16］Ellision Glenn，F(xiàn)udenberg D.Rules of thumb for social iearning［J］.The Journal of Political Economy，1993，101（4）：612－643.

［17］Ellision Glenn，F(xiàn)udenberg D.Word－of－mouth communication and social learning［J］.Quarterly Journal of Economics，1995，110（1）：93－125.

［18］Bala V，Goyal S.Learning from neighbors［J］.Review of Economic Studies，1998，65（3）：595－621.

［19］Bala V，Goyal S.Conformism and diversity under social learning［J］.Economic Theory，2001，17（1）：101－120.

［20］Golub B，Jackson M.Naive learning in social networks and the wisdom of crowds［J］.American Economic Journal：Microeconomics，2010，2（1）：112－149.

［21］Jadbabaie A，Molavi P，Sandroni A，et al.Non－Bayesian social learning［J］.Games and Economic Behavior，2012，76（1）：210－225.