《合作的复杂性：基于参与者竞争与合作的模型》第九节

本节介绍如何用遗传运算法则在重复囚徒困境中寻找有效策略。

本节介绍如何用遗传运算法则在重复囚徒困境中寻找有效策略。策略由70个基因（C代表合作、D代表背叛）编码，共2^70种可能，无法穷举。模拟分五步：随机生成初始群体；让每个个体与其他策略对局并按平均分评估；按表现优劣决定交配次数；成功个体随机配对，通过交叉和突变产生后代；形成新群体，如此迭代50代。

模拟结果显示，演化出的策略与“一报还一报”高度相似，95%的选择与之一致，并具备保持合作、易被激怒、接受道歉、忘记背叛、维持互不背叛等特征。在40次运行中有11次，中等策略表现超过“一报还一报”：它们第一步就背叛以试探，借此区分可利用与不可利用的对手，再通过“道歉”恢复合作，从而在净收益上获胜。但这类规则只在特定环境有效，且会破坏自身赖以成功的基础。

另有两组对照实验：无性繁殖下演化出超越“一报还一报”的群体概率只有一半；当环境由群体自身构成（每个个体与全体成员对局）时，群体先因无人回应而普遍背叛、分数下降，10至20代后，能区分并回报合作者的策略扩散，合作与分数随之回升。这说明遗传运算法则能在高维策略空间中有效搜索，甚至演化出违背“永不先背叛”惯例的高收益策略。