哪些生物动态博弈库自带 Julia 求解器？

从分子到种群的二十五个博弈

CorleoneGame 是一个包含 25 个生物动态博弈的库，每局有 2 至 10 名参与者，覆盖分子、细胞、个体和种群尺度。相互作用涵盖竞争、对抗、互利和调控等类型。实例描述单个季节、回到初始状态的循环，或阶段性任务；其中七个包含时长选择，有些博弈中各参与者的可行集是耦合的，而非彼此独立。

每个博弈都附带四样东西：生物学动机、把控制量、目标和限制分配给具名参与者的可执行 Julia 规范、一个参数实例，以及带轨迹解读的参考开环广义纳什均衡候选解。摘要把基本思路讲得很直白：动态博弈通过说明谁控制哪项决策、每个参与者看重什么、哪些限制约束单方面偏离，把一次相互作用明确表达出来。

先做序贯最优响应，再做审计

CorleoneGame.jl 并不一次性求解均衡。它通过序贯最优控制最优响应计算候选解，然后在粗、细两套控制网格上审计每个候选解的可行性以及是否存在有利的单方面偏离。审计在每个控制区间取八个等距点采样路径限制，因此密度至少不低于优化网格。

审计结果是论文的核心定量结论：全部 25 个参考计算在两套网格上都满足审计容差。用发布的模型定义对每个保存的最终控制曲线重新积分，能以双精度复现保存的终端状态，最大采样违反量为 9.1·10⁻⁷，低于接受容差 ε_g = 10⁻⁶。两套网格上所有最终偏离审计调用对每个实例都报告 Success；在 motor 这一个实例中，140 次中间和最终响应调用有九次报告 MaxIters，其余 131 次报告 Success。

通过审计的候选解不等于已认证均衡

参考候选解是开环的，不必唯一，并且是在两套控制网格上通过局部求解被接受的。它们不携带精确连续时间均衡的证书。序贯迭代没有一般收敛保证，在某些周期实例中只有更宽松的回归带才能收敛。大多数参数是合成的。

这些是方法本身的性质，而非附带的提醒。读者在跨博弈比较候选解时，应把它们视为在给定网格上通过审计的参考点，而不是唯一解。论文还指出，广义纳什均衡通常不是孤立的，这对下文描述的逆博弈用途很重要：一个被恢复的规范可能通过同一博弈的另一个均衡复现数据，而一个正确的规范也可能因均衡选择而无法复现数据。

植物—植食者博弈只定性复现了预测

贯穿全文的例子是 tupelo，一个由已发表情景映射而来的植物—植食者博弈。它的可执行规范给出一个通过审计的参考候选解，定性复现了已发表的延迟大规模孵化，但没有复现完整的冲突规避。论文把这一差距归因于开环信息结构：在原始模型中，植物能对当前幼虫密度作出诱导防御响应，因此仅凭防御威胁就能阻止提前孵化；而在季节开始时固定的时间表无法对幼虫密度作出响应，防御因此必须被实际使用，而不能只是被威胁使用。

这一比较是库的设计选择产生生物学后果的最清晰之处。让偏好和限制变得明确的那套规范机制，同时也固定了信息何时可用，而这一时序改变了候选解能够表达出哪种行为结果。

生物学假设变成可比较的实例变体

由于所有实例共享同一套规范模式，替代性的生物学假设就变成可以用同一方法求解和比较的实例变体。tupelo 例子展示了这条链条：可执行规范给出通过审计的参考候选解；偏好、限制或机制的变化把假设变成变体；候选解生成合成观测，而逆博弈的假设空间正是由这些变体界定的。

论文明确指出，这里没有报告任何逆实验。它还列出了该库允许受控研究的第四层级困难：角色相近参与者的置换对称性、单一聚合优化器的合作性模仿，以及参与者数量未知——后者可由 variable-N 实例来变化。使用这条路径的报告应说明前向求解器、其初始化方式，以及是否使用了多个观测情景或初始化来评估权重、限制与均衡选择之间的歧义。

一个候选解展示权重如何塑造轨迹

plantNitrogen 实例把权重与轨迹的联系变得具体。三株植物争夺早春的氮脉冲；它们都从最大吸收量开始，在不到两个时间单位内把土壤氮从 2 降到 0.2 的吸收阈值，此后共享下限限制联合吸收。最看重努力成本的植物 A 几乎立刻降到约 0.3；B 保持中间节奏；最看重碳的 C 维持高吸收最久，并耗尽了自己的努力预算。植物氮对 A 最早且最温和地达到峰值（t≈1.2），B 较晚（t≈3），C 最晚且最高（t≈8）。

这一解读来自作者：驱动时间表分化的是不同的权重，而不是某个拟合参数。使用该实例的读者应注意，所有速率、预算、权重和初始值都是合成的无量纲基准选择，而非拟合值。

这个库能迁移到哪里，又止步于哪里

这个库可作为规范与基准资源迁移使用：25 个可执行博弈、一套通用模式、保存的参考候选解，以及生成全部表格和图的脚本。论文指出没有使用实验数据，保存的候选解和合成观测都是代码仓库的一部分。每个实例还被记录在基准库 mintoc.de 的动态博弈类别下，因此新实例可以在同一分类体系下加入。

它止步于经过校准的生物学。大多数参数是合成的，候选解是开环且非唯一的，序贯迭代没有一般收敛保证。论文自己提出的下一步指向：从假设空间出发、最好结合真实世界数据的逆博弈；针对选定实例的反馈均衡，用以检验诸如 tupelo 比较这类结论是否依赖信息结构；以及校准实例、带明确休季映射的多季节模型，和参与者数量可变的可扩展性研究。

比较候选解前先检查信息结构

这篇论文中最具决策相关性的区分不是 25 个博弈这个数量，而是每个候选解背后的信息结构。tupelo 比较表明，开环时间表可能无法复现一个具备反馈能力的模型所能达到的预测，因为植物无法对当前幼虫密度作出响应。在把任何参考候选解当作关于某个生物学假设的证据之前，读者应先检查该假设是否依赖于对开环时间表看不到的某个状态作出响应。

第二项检查是审计本身。全部 25 个参考计算在两套网格上都通过，但这一通过是关于这些网格上可行性和有利单方面偏离的陈述，而不是精确连续时间均衡的证书。论文自己的优先级排序正由此而来：针对选定实例的反馈均衡排在首位，因为它们决定了在给定合成或真实世界数据下哪些假设仍然可信。

本文引用的文献