12.

12.md

@@ -256,3 +256,70 @@ def step(self):
 
 我的模拟包含生存差异，就像第？章那样，但不包括繁殖差异。 你可以在本章的笔记本上看到细节。 作为练习之一，您将有机会探索繁殖差异的效果。
 
+## 12.7 结果
+
+假设我们从三个智能体开始：一个总是合作，一个总是背叛，另一个执行 TFT 策略。 如果我们在这个种群中运行`Tournament.melee`，合作者每轮获得 1.5 分，TFT 智能体获得 1.9 分，而背叛者获得 3.33 分。 这个结果表明，“总是背叛”应该很快成为主导策略。
+
+但是“总是缺陷”包含着自我破坏的种子，如果更好的策略被驱使而灭绝，那么背叛者就没有人可以利用，他们的适应性下降，并且容易受到合作者的入侵。
+
+根据这一分析，预测系统的行为不容易：它会找到一个稳定的平衡点，还是在基因型景观的各个位置之间振荡？ 让我们运行模拟来发现它！
+
+我以 100 个始终背叛的相同智能体开始，并运行 5000 个步骤的模拟：
+
+```py
+tour = Tournament()
+agents = make_identical_agents(100, list('DDDDDDD'))
+sim = PDSimulation(tour, agents)
+```
+
+![](img/12-1.png)
+
+图 12.1：平均适应性（囚徒困境的每个回合的所得点数）
+
+图？展示了随时间变化的平均适应性（使用第？章的`MeanFitness`仪器）。最初平均适应性是 1，因为当背叛者面对对方时，他们每轮只能得到 1 分。
+
+经过大约 500 个时间步，平均适应性增加到近 3，这是合作者面对彼此时得到的。但是，正如我们所怀疑的那样，这种情况不稳定。在接下来的 500 个步骤中，平均适应性下降到 2 以下，回到 3，并继续振荡。
+
+模拟的其余部分变化很大，但除了一次大的下降之外，平均适应性通常在 2 到 3 之间，长期平均值接近 2.5。
+
+而且这还不错！它不是一个合作的乌托邦，每轮平均得 3 分，但距离始终背叛的乌托邦还很远。这比我们所期待的，自利智能体的自然选择要好得多。
+
+为了深入了解这种适应性水平，我们来看看更多的仪器。`Niceness`在每个时间步骤之后测量智能体的基因型的合作比例：
+
+```py
+
+class Niceness(Instrument):
+
+    def update(self, sim):
+        responses = np.array([agent.values
+                              for agent in sim.agents])
+        metric = np.mean(responses == 'C')
+        self.metrics.append(metric)
+```
+
+![](img/12-2.png)
+
+图 12.2：种群中所有基因组的平均友善度（左）和第一轮合作的种群比例（右）
+
+图？（左图）展示结果：平均友善度从 0 迅速上升到 0.75，然后在 0.4 到 0.85 之间波动，长期平均值接近 0.65。 同样，这相当好！
+
+具体看开始的移动，我们可以追踪第一轮合作的智能体的比例。 这是这个仪器：
+
+```py
+
+class Retaliating(Instrument):
+
+    def update(self, sim):
+        after_d = np.array([agent.values[2::2]
+                            for agent in sim.agents])
+        after_c = np.array([agent.values[1::2]
+                            for agent in sim.agents])
+        metric = np.mean(after_d=='D') - np.mean(after_c=='D')
+        self.metrics.append(metric)
+```
+
+报复行为将所有基因组中的元素数量，其中对手背叛后智能体也背叛（元素 2, 4 和 6），与其中的元素数量，其中对手合作后智能体背叛相比较。正如您现在的预期，结果差异很大（您可以在笔记本中看到图形）。平均而言，这些分数之间的差异小于 0.1，所以如果智能体在对手合作后，30% 的时间中背叛，他们可能会在背叛后的 40% 时间中背叛。
+
+这个结果为这个断言提供了较弱的支持，即成功的策略会报复。也许所有智能体甚至很多智能体都没有必要进行报复；如果整个种群中至少存在一定的报复倾向，那么这可能足以阻止高度报复策略的普及。
+
+为了衡量宽恕，我再次定义了一个工具，来查看在前两轮之后，智能体是否更有可能在 D-C 之后进行合作，与 C-D 相比。在我的模拟中，没有证据表明这种特殊的宽恕。另一方面，这些模拟中的策略在某种意义上是必然的宽容，因为它们只考虑前两轮的历史。