Это одна из тем, где я долго искал связи. Тем не менее, они не кажутся распространенными. Люди, работающие над теоретической биологией и экономикой, которые используют EGT, обычно придерживаются теории динамических систем и не надевают алгоритмический объектив. Таким образом, большинство результатов имеют стиль AMath / Physics, а не алгоритмы и стиль дискретной математики. Если вы хотите использовать динамический системный подход, то проведите опрос Хофбауэра и Зигмунда, который короче и свежее, чем их книга (я упоминаю об этом и некоторые мимолетные комментарии в предыдущем ответе ).
Одним из мест, где динамика репликатора использовалась в результатах, связанных со сложностью, является Марчелло Пелилло и соавторы в качестве эвристики для решения max-clique (приведение max-clique к квадратичному программированию, решение квадратичного программирования с использованием динамики репликатора в качестве эвристики) :
[1] Иммануил М. Бомзе и Марчелло Пелилло [2000]. «Приближение клики максимального веса с использованием динамики репликатора». Транзакции IEEE в нейронных сетях 11 (6)
[2] Марчелло Пелилло и Андреа Торселло [2006]. «Динамика выигрышно-монотонной игры и проблема максимальной клики». Нейронные вычисления 18: 1215-1258.
Σп2Σп2
[3] Kousha Etessami и Andreas Lochbihler [2008] «Вычислительная сложность эволюционно устойчивых стратегий». Международный журнал теории игр , 37 (1): 93-113. (Впервые доступно в 2004 году как технический отчет ECCC TR04-055).
[4] Винсент Конитцер [2013] «Точная вычислительная сложность эволюционно устойчивых стратегий». 9-я конференция по сети и интернет-экономике (WINE) . ( pdf )
Сегодня многие интересные вопросы о EGT касаются игр на графиках, и хотя есть некоторые интересные динамические результаты системы, например (см. Также этот вопрос для расширений этого подхода):
[5] Хисаши Охцуки и Мартин Новак [2006] «Уравнение репликатора на графах». _ Журнал теоретической биологии_, 243 (1), 86-97 ( ссылка , пост в блоге )
Большая часть работы проходит через агентное моделирование (см. Этот ответ для контекста моделирования распространения болезни). Эти модели, как правило, гораздо более привлекательны для заявлений о сложности и сходимости. Посмотрите на следующую книгу для получения дополнительной информации:
[6] Йоав Шохам и Кевин Лейтон-Браун [2009], «Многоагентные системы: алгоритмические, теоретико-игровые и логические основы», издательство Кембриджского университета.
Я думаю, что машинное обучение - это довольно простой способ приблизиться к EGT, поскольку это естественный промежуточный пункт между соответствующей физикой (статистической механикой) и информатикой. Это определенно было сделано, мне потребовалось бы немного времени, чтобы найти хорошую ссылку, но случайную ссылку (которая также показывает, что люди EGT рассматривали другие популярные концепции равновесия, такие как коррелированное равновесие):
[7] Серджиу Харт и Андреу Мас-Колелл [2000], «Простая адаптивная процедура, приводящая к коррелированному равновесию», Econometrica 68 (5): 1127-1150
[8] Антонелла Янни [2001], «Изучение коррелированных равновесий в популяционных играх», Математические социальные науки 42 (3): 271-294.
[9] Людек Циглер и Бои Фалтингс [2011], «Достижение коррелированного равновесия посредством многоагентного обучения», AAMAS 2011: 509-516
Я определенно надеюсь, что другие дадут более конкретные ответы, так как это вопрос, о котором я всегда хотел узнать больше.