在2017年的的“第十三届全国复杂网络大会”上，电子科技大学CompleX Lab的博士生许雄锐的工作
为了对两位兄弟表示祝贺，特意再介绍一下这两个工作。
自从2012年被Press和Dyson提出以来[1]，剥削策略（Extortion strategy）因为“可以单方面保证自己的收益不低于对手”这一特殊属性，吸引了许多研究者的关注。之前的研究发现基于经典的复制动力学机制下，在混合群体中剥削策略是演化不稳定的[2]，不过在大规模种群中可以扮演催化剂的作用，促进合作性策略的涌现[3]。雄锐兄的这个工作[4]（智海、枝喜、谢老师和我是合作者）将这一探索延伸到复杂网络上，分析了在方格网络和BA无标度网络上，基于复制动力学机制下合作策略、背叛策略与剥削策略的演化情况。结果发现了在两种网络上剥削策略都可以促进合作的涌现。有趣的是，在两种网络上，剥削策略提供了不同的促进合作机制：在方格网络上，剥削者一方面像一个盾牌一样把合作者保护起来，另一方面像利剑一样，和合作者形成联盟入侵背叛者的腹地，并最终消灭背叛者；而在BA无标度网络上，剥削者像“垫脚石”一样，可以帮助小度的合作者“自底向上”地扩散，最终占据整个网络，打破了之前网络博弈研究中“先得大度者得天下”的定律。这个工作可以帮助我们更深刻理解剥削策略的复杂网络上的演化，更重要的是为网络博弈中如何理解并促进合作行为的涌现提供了一个全新的视角。
樊超兄的工作重要关注移动轨迹和社交关系之间的关联。现有的研究估计，人们日常生活中有10%-30%的出行以社交为目的[5]，那些居住距离较近的人们有更大的几率成为好友[6]。同时，人们出行轨迹的相似性和他们社交网络的接近性存在显著的正相关关系，即好友之间的轨迹相似性要高于非好友[7]，反过来，轨迹相似性高的好友往往在社交网络上也有着较高的通信频率和共同好友数[8]。那么，人们在网络空间和现实空间里的行为的相似性该如何度量？它们是否相关？一对用户在网络空间的相似，是否意味他们在现实生活中的行为也相似呢？为了回答这些问题，我们在一组腾讯QQ的LBSN数据上进行了系统地分析。我们用余弦相似度来定义用户出行轨迹的相似性，用“是否是好友”、“是否有共同好友”、“共同好友的个数”以及“共同好友的多样性（以共同好友网络中连通子图的个数来度量）”这四个指标来描述好友之间的社交网络接近性[9]。统计结果显示，相比非好友，好友之间的平均轨迹相似性要高的多，而有共同好友则会进一步提升彼此的相似性。出乎意料的是，在相关系数、概率分布和假设检验等多种统计工具的支撑下，我们发现共同好友的数量并不会对用户之间的轨迹相似性产生积极作用，反而是那些共同好友的多样性更强的用户有着更高的轨迹相似性[10]。也就是说，共同好友的来源多样性在影响好友之间的轨迹相似性上有着比数量更为重要的作用。我们的研究不仅建立了人类行为相关性的分析框架，而且对于寻找行为相似性更高的用户进行轨迹预测、商品推荐、链路预测等场景都有着直接或潜在的应用价值。
[1] W. H. Press and F. J. Dyson, “Iterated Prisoner’sDilemma contains strategies that dominate any evolutionary opponent”, Proc.Natl. Acad. Sci. U. S. A., vol. 109, pp. 10409, 2012.
[2] C. Adami and A. Hintze, “Evolutionary instability ofzero-determinant strategies demonstrates that winning is not everything”，Nat. Commun., vol. 4, pp. 2193, 2013.
[3] C. Hilbe, M. a Nowak, and K. Sigmund, “Evolution ofextortion in Iterated Prisoner’s Dilemma games”, Proc. Natl. Acad. Sci. U. S.A., vol. 110, pp. 6913, 2013.
[4] X. Xu, Z. Rong, Z.-X. Wu, T. Zhou, and C. K. Tse,“Extortion provides alternative routes to the evolution of cooperation instructured populations”, Phys. Rev. E, vol. 95, pp. 52302, 2017.
[5] Cho,E., Myers, S. A.& Leskovec, J. Friendship and mobility: User movement inlocation-basedsocial networks. In Proceedings of the 17th ACM SIGKDDInternational Conferenceon Knowledge Discovery and Data Mining, 1082–1090 (ACM,2011).
[6] Liben-Nowell,D., Novak,J., Kumar, R., Raghavan, P. & Tomkins, A. Geographic routing insocialnetworks. Proc. Natl. Acad. Sci. USA 102, 11623–11628 (2005).
[7] Toole,J. L., Herrera-Yaqüe,C., Schneider, C. M. & González, M. C. Coupling humanmobility and socialties. J. R. Soc. Interface 12, 20141128 (2015).
[8] Wang,D., Pedreschi, D.,Song, C., Giannotti, F. & Barabási, A.-L. Human mobility,social ties, andlink prediction. In Proceedings of the 17th ACM SIGKDDInternational Conferenceon Knowledge Discovery and Data Mining, 1100–1108 (ACM,2011).
[9] Ugander, J., Backstrom,L., Marlow, C. & Kleinberg,J. Structural diversity in social contagion.Proc. Natl. Acad. Sci. USA 109,5962–5966 (2012).
[10] C. Fan, Y. Liu, J. Huang, Z. Rong, and T. Zhou.Correlation between social proximity and mobility similarity. ScientificReports, vol. 7, pp. 11975, 2017.
