吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 1598|回复: 31
收起左侧

[Python 转载] 人类两性博弈模拟

[复制链接]
LuLuWuWei1120 发表于 2026-8-15 12:13
本帖最后由 LuLuWuWei1120 于 2026-8-15 13:32 编辑

---

📝 说明

本模型的理论基础来源附件中文章《人类两性博弈》,由《自私的基因》中内容进一步建模,目的为:使研究对象由普遍两性生物博弈转向人类博弈。

《人类两性博弈》文章为本人与ai探讨后ai的总结化表述,我希望任何人都可以阅读一下其中的无建模部分(即非对男女各种策略推导的部分),有利于理解男女双方观念及根源,并且在恋爱关系中减少自身损失。另外,本人非专业人士,无相关经验,无法给出关于男女双方的的任何建设性结论。有错误或不准确的之处是可能的,请理性思考,明辨是非,批判吸收。

模拟内容并不考虑任何情感因素,请勿盲目代入现实,将本文作为纯粹的智慧生物利益博弈即可(情感因素难以抽象化,人各有情)。

模拟程序为ai独立实现(本人目前并无时间写代码)。

亲密关系策略演化博弈模型

一个基于个体演化博弈论的计算机模拟框架,用于研究亲密关系中忠诚、薄情、变化型、欺骗型策略在群体中的动态演化。本项目完全复现了《人类两性博弈》中描述的概念,并可用于探索不同初始条件、收益参数下的社会演化路径。


📖 项目简介

本模拟程序构建了一个离散世代、随机配对、适应度驱动的演化环境。每个个体携带以下属性:

· 性别(男/女)
· 策略(Lc, Lk, U, V, D)
· 生育期望(S 或 N)

个体在每一代中随机配对,依据双方策略和期望发生资源转移、生育、检查与欺骗识别,累积适应度。随后按适应度比例选择父母,产生下一代,并允许突变。

该模型旨在从生物投资不对称和进化恐惧出发,分析信任、欺骗、忠诚、躺平等社会现象背后的博弈论根源。


🧠 理论背景

模型基于以下核心理论假设(详见理论文档):

· 亲代投资不对称:女性是高投入锁定者(卵子稀缺、妊娠、哺乳),男性是低投入即走者。
· 女性进化恐惧(被弃恐惧):女性担心生育后失去男性支持,故倾向于筛选长期投资承诺。
· 男性进化恐惧(被欺恐惧):男性担心抚养非亲生后代,故倾向于筛选亲子确定性。
· 人类演化两大突变:隐蔽排卵 + 隐性发情,迫使人类走向配对绑定,使忠贞成为交易筹码。
· 现代环境颠覆:女性经济独立和避孕技术使“资源换忠贞”协议失效,催生多元化策略。


🎯 策略集合

策略代号 名称 说明
Lc 随意型忠诚 默认信任,零验证成本,适合高信任环境
Lk 检查型忠诚 忠诚但附加验证程序(体检、孕检、财务透明),防御欺骗
U 薄情 低投入、短期存在,拒绝长期绑定
V 变化型 根据对方展示策略动态切换(遇L则L,遇U则U)
D 欺骗型 伪装为L以骗取对方核心投资,事后撤离

生育期望:

· S(期望有子):以基因传递为终极目标,愿接受验证。
· N(期望无子):以生存舒适度为终极目标,排斥长期绑定与生育成本。


⚙️ 核心参数

运行时可自定义的参数包括:

参数 含义 默认值
POP_SIZE 种群总大小(男女各半) 2000
NUM_GENERATIONS 演化代数 200
MUTATION_RATE 策略/期望突变概率 0.01
V_GENE 每个后代的基因收益 10.0
C_FEMALE_BIRTH 女性生育成本 5.0
I_M_L 男性忠诚投入(资源转移) 3.0
I_M_D 男性欺骗伪装成本 1.0
S_M 忠诚男性的额外抚养支持 2.0
C_K 检查型忠诚的验证成本 2.0
初始策略分布 五类策略在男/女中的初始概率 均匀(各20%)
S/N 初始比例 男/女期望生育的比例 各50%


🚀 运行方式

环境要求

· Python
· 无需额外第三方库(仅使用标准库 random, csv, math, sys, collections)

快速启动

python simulation.py

程序启动后,您将看到交互式菜单:

========== 亲密关系策略演化模型(高性能版) ==========
请选择运行模式:
1. 自定义配置
2. 默认配置(200代,均匀初始)
3. 完全随机(500~2000代,所有参数随机)

· 选项1:逐步输入种群大小、代数、突变率、收益参数、初始策略概率、S/N比例。
· 选项2:使用预设默认值快速运行。
· 选项3:一键运行,所有参数(包括收益参数)均在合理范围内随机生成,代数范围500~2000,适合探索性实验。

输出

模拟结束后,当前目录下会生成 simulation_results.csv,包含每代的统计信息:

· generation:代数
· avg_fitness:种群平均适应度
· S_ratio:总体S期望比例
· male_ratio, female_ratio:实际性别比例(自然演化)
· M_LC, M_LK, M_U, M_V, M_D:男性各策略频率
· F_LC, F_LK, F_U, F_V, F_D:女性各策略频率


📊 结果解读与理论验证

典型演化模式(示例)

模式一:完整循环(“完美循环”)
当初始条件中欺骗型(D)形成有效集群时,系统会依次经历:

  1. D扩张 → 2. Lk防御崛起 → 3. U“躺平”替代 → 4. Lc回归重建信任。
    此模式完整复现了理论中的四大循环。

模式二:U主导稳态(“低信任均衡”)
若初始D比例不足或Lc较早被U替代,系统可能锁定在U占主导的状态,Lc和Lk均无法大规模复兴,D也因失去寄生宿主而长期低迷。这是路径依赖的典型案例。

模式三:其他路径
因随机种子、初始参数不同,还可能观察到双欺骗共振、S/N潮汐、长周期振荡等。

所有结果均由群体选择压力自然涌现,无任何预设脚本干预。


🔬 模型逻辑要点

· 收益计算:完全依据理论设定,包括资源转移、生育成本、检查成本、基因收益等。
· 欺骗与检查:Lk能识破D(无论性别),一旦识破则无生育,双方承担各自成本。
· V策略响应:V根据对方展示的策略切换行为(遇L则L,遇U则U),但自身期望不影响行为。
· 性别比例演化:下一代性别随机决定,不强制男女等量,允许性别比例受选择压力漂移。
· 适应度选择:采用指数权重轮盘赌,避免负适应度问题。



此模拟对初始条件较为敏感,几次模拟的结果可能完全不同,但往往也符合理论推理。有兴趣的话,可自行写脚本,进行上百次千代级的模拟,将理论文件和日志csv文件丢给ai,可能可以从从统计学意义上得到社会两性问题上,总体的趋势吧。

附件:
https://wwbdi.lanzouu.com/irCIf42hnypg

免费评分

参与人数 4吾爱币 +4 热心值 +3 收起 理由
oldbabyjsx + 1 谢谢@Thanks!
freckle + 1 + 1 谢谢@Thanks!
lspghs9.10plus + 1 + 1 我很赞同!
lsb2pojie + 1 + 1 热心回复!

查看全部评分

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

 楼主| LuLuWuWei1120 发表于 2026-8-16 09:07
budongdashi 发表于 2026-8-15 19:05
哈哈 最终结果是什么 比如博弈下来男的优势 应该怎么样

仅仅考虑这个过程的前提下,没有性别可以占据优势,他们只是选择策略Lc(随意忠诚型),Lk(严查忠诚型),U(薄情),D(欺诈型),V(变化型)中的一种,然后进行博弈,双方的优劣在总体平均看应该是等同的。从生物学角度,由于生育需要男女共同配合,如果某个性别在此过程占据优势,可能另一个性别的基因受自然选择进化尝试补平差距(即相互开展进化的竞赛),可能生育者倾向于生这种优势性别(最极端的情况下,只有这一种优势性别,然后全部灭亡)
fh20 发表于 2026-8-15 12:23
syelbslsy 发表于 2026-8-15 14:22
777444 发表于 2026-8-15 14:57
能不能 换成研究经济
xbd26248 发表于 2026-8-15 15:05
好评,相亲的可以先模拟一下,再决定要不要继续
shifan2003 发表于 2026-8-15 16:03
可以拿去测试下女朋友
 楼主| LuLuWuWei1120 发表于 2026-8-15 16:05
777444 发表于 2026-8-15 14:57
能不能 换成研究经济

研究经济应该有很多方向吧,而且我目前对经济的研究比较少,自认为没有足够的能力将经济抽象化建模。
changheyunian 发表于 2026-8-15 18:41
这是文本软件模拟器,还是游戏软件模拟器
budongdashi 发表于 2026-8-15 19:05
哈哈 最终结果是什么 比如博弈下来男的优势 应该怎么样
wqs0601 发表于 2026-8-15 19:27
啊?明明都是字,为什么我就看不懂了呢?博弈论是这么用的吗?
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - 52pojie.cn ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2026-8-17 06:44

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表