Approfondimenti

Perché la popolazione della simulazione si ferma proprio a metà falchi e metà colombe, e perché ci ritorna dopo ogni calamità? La risposta viene dalla teoria dei giochi applicata all’evoluzione.

In breve

1. Il gioco Falco-Colomba

Il gioco fu proposto dai biologi John Maynard Smith e George Price (1973) per spiegare perché negli animali i combattimenti fra individui della stessa specie sono spesso rituali e raramente mortali. Ogni incontro ha due giocatori e due strategie possibili. La tabella dà il guadagno di chi gioca la strategia della riga:

contro Falcocontro Colomba
Falco(V − C)/2 = -25V = 50
Colomba0V/2 = 25

V è il valore della risorsa contesa, C il costo di una ferita. Nella simulazione V = 50 e C = 100.

2. Nessuna strategia pura funziona

In una popolazione di sole colombe un falco mutante guadagna V = 50 a ogni incontro, contro i V/2 = 25 delle colombe: i falchi invadono. In una popolazione di soli falchi ogni scontro rende (V − C)/2 = -25, mentre una colomba guadagnerebbe 0, cioè di più: le colombe invadono. Quando C > V, quindi, né «tutti falchi» né «tutte colombe» possono durare.

3. L’equilibrio di Nash

Un equilibrio di Nash (John Nash, 1950) è una situazione in cui nessun giocatore può migliorare cambiando da solo la propria strategia. Nel gioco Falco-Colomba simmetrico l’equilibrio è misto: ognuno gioca Falco con probabilità p. Perché nessuno abbia interesse a cambiare, le due strategie devono rendere lo stesso:

p · (V − C)/2 + (1 − p) · V = (1 − p) · V/2

Semplificando, p · (V − C) + (1 − p) · V = 0, cioè

p = V / C = 50 / 100 = 0,5

In una popolazione la probabilità diventa una quota: il 50% di falchi, cioè 100 individui su 200. È il valore a cui arriva la simulazione.

4. Strategia evolutivamente stabile

Maynard Smith e Price aggiunsero un’idea più forte del semplice equilibrio: una strategia è evolutivamente stabile (ESS) se una popolazione che la adotta non può essere invasa da una piccola minoranza di mutanti. La quota V/C lo è: se i falchi aumentano un po’, si feriscono più spesso e guadagnano meno delle colombe; se diminuiscono, incontrano più colombe e guadagnano di più. In entrambi i casi la selezione spinge indietro verso V/C. È proprio quello che succede dopo ogni calamità.

5. L’equazione della simulazione

Nel modello della simulazione non ci sono 200 individui che si incontrano a caso: c’è solo la quota p di falchi, un numero reale fra 0 e 1. Le colombe sono 1 − p. Ogni individuo incontra un falco con probabilità p e una colomba con probabilità 1 − p, quindi la sua fitness media è

falco: fF = b + p · (V − C)/2 + (1 − p) · V

colomba: fC = b + (1 − p) · V/2

Qui b = 1 + C/2 = 51 è la fitness di base: serve solo a rendere positiva anche la fitness peggiore (quella di un falco fra soli falchi, b + (V − C)/2 = 26), perché non si possono avere figli «negativi». La quota di falchi della generazione successiva è la loro parte della fitness totale:

p′ = p · fF / ( p · fF + (1 − p) · fC )

È la dinamica del replicatore (Taylor e Jonker, 1978). Con gli stessi numeri si ottiene sempre lo stesso risultato: niente caso. Il caso nella simulazione decide solo quando arrivano le calamità.

Esempio: un predatore ha appena dimezzato le colombe, quindi p = 0,667. Ecco le generazioni successive calcolate con la formula:

gen.pfFfCfalchi su 200distanza ε
+00,6675159,3133,30,167
+10,63253,660,2126,40,132
+20,60555,660,91210,105
+30,58357,361,4116,60,083
+40,56658,661,9113,20,066
+50,55259,662,2110,50,052
+60,54260,462,5108,40,042

Finché i falchi sono troppi la loro fitness è minore di quella delle colombe e p scende; ogni riga la distanza è circa l’80% della precedente.

6. L’equilibrio attira

Quando p = V/C = 0,5, falchi e colombe hanno la stessa fitness:

fF = 51 + 0,5 · (-25) + 0,5 · 50 = 63,5    fC = 51 + 0,5 · 25 = 63,5

quindi p′ = p: la popolazione non si muove più. Se p è un po’ più alta, i falchi si scontrano più spesso fra loro e hanno fitness minore delle colombe, quindi p scende; se è più bassa succede il contrario. Vicino all’equilibrio la distanza ε = p − V/C, a ogni generazione, diventa

ε′ ≈ λ · ε,   λ = 1 − p(1 − p) · (C/2) / f̄ = 1 − 0,25 · 50 / 63,5 ≈ 0,803

dove f̄ = 63,5 è la fitness all’equilibrio. (Si ottiene derivando p′ rispetto a p nel punto di equilibrio: fF − fC diminuisce di C/2 per ogni unità di p.) A ogni generazione resta circa l’80% della distanza: la distanza si riduce di circa un quinto.

7. Quanto è veloce il ritorno

Una calamità uccide metà dei falchi o metà delle colombe. Partendo dall’equilibrio (100 e 100), restano 50 falchi e 100 colombe, oppure il contrario: p diventa 1/3 o 2/3, cioè 1/6 di distanza dall’equilibrio, circa 33 individui su 200. Per scendere sotto 2 individui servono circa

ln(2 / 33) / ln(0,803) ≈ 13 generazioni

che è ciò che misura la tabella «Ritorno all’equilibrio» nella simulazione.

8. Perché alla fine si vedono sempre 100 e 100

L’ultima calamità può arrivare alla generazione 75. Da lì alla 100 passano 25 generazioni, e la distanza viene moltiplicata per

0,80325 ≈ 0,0042

cioè si riduce di circa 240 volte. Su 200 individui restano circa 200 × 1/6 × 0,0042 ≈ 0,14 individui di differenza (in 2.000 simulazioni al massimo 0,18, perché lontano dall’equilibrio il ritorno è un po’ più lento): meno di mezzo individuo, quindi arrotondando si vede sempre 100 e 100. Il valore esatto è scritto nel riquadro finale della simulazione.

Per questo nel calcolo p resta un numero reale e si arrotonda solo per disegnare i pallini. Se si arrotondasse a ogni generazione, vicino all’equilibrio la spinta diventerebbe più piccola di mezzo individuo e l’arrotondamento la annullerebbe: la popolazione si potrebbe «incastrare», per esempio a 101 o 102 falchi, senza arrivare mai a 100.

9. Popolazioni piccole: la deriva

In una popolazione vera di 200 individui, chi incontra chi e chi nasce sono estrazioni casuali. Ogni generazione il caso sposta i falchi di circa ±7 individui, mentre la selezione ne recupera solo il 20%: la popolazione oscilla in permanenza intorno all’equilibrio, di circa ±12 falchi. È la deriva genetica: più la popolazione è piccola, più conta il caso. La scheda Modello casuale usa un modello di questo tipo, con 1.000 individui e una selezione più debole (fitness di base 151): lì le oscillazioni sono di qualche punto percentuale.

10. Altri valori di V e C

VCFalchi all’equilibrio
2010020%
5010050%
8010080%
100100100%
150100100%

Più la ferita costa rispetto al cibo, meno falchi ci sono. Se V ≥ C combattere conviene sempre e la popolazione diventa di soli falchi: è il «dilemma del prigioniero» dell’evoluzione, in cui tutti starebbero meglio come colombe ma nessuno ha interesse a esserlo da solo.

11. Più strategie: il Borghese e il Ritorsore

Nella scheda «Modello casuale» entrano due strategie che usano un’informazione in più. Con V = 50 e C = 100, il guadagno medio di chi gioca la riga contro chi gioca la colonna è (per il Borghese è la media fra le volte in cui è proprietario e quelle in cui è intruso):

FCBR
Falco-255012,5-25
Colomba02512,525
Borghese-12,537,5250
Ritorsore-2525025

Il Borghese attacca quando è proprietario e cede quando è intruso. Due borghesi non combattono mai, e fra loro guadagnano 25 a testa. In una popolazione di borghesi ogni mutante guadagna meno: un falco 12,5, una colomba 12,5, un ritorsore 0. Per questo, quando C > V, il Borghese è una strategia evolutivamente stabile: usare un’asimmetria arbitraria (chi è arrivato prima) per evitare gli scontri. Nel modello casuale però non vince in ogni partita: il caso può favorire le altre strategie, soprattutto all’inizio.

Il Ritorsore si comporta da colomba e combatte solo se attaccato. In una popolazione di ritorsori una colomba guadagna esattamente quanto un ritorsore (25 contro i ritorsori, 25 fra colombe): nulla la frena e le colombe possono crescere per caso. Ma quando le colombe sono tante, i falchi tornano a prosperare. Il Ritorsore da solo non è una strategia evolutivamente stabile.

Con tre o quattro strategie la formula V/C non vale più: l’esito dipende da tutta la tabella.

Per saperne di più

  • J. Maynard Smith, G. R. Price, «The Logic of Animal Conflict», Nature 246 (1973), 15–18.
  • J. Maynard Smith, Evolution and the Theory of Games, Cambridge University Press, 1982.
  • J. F. Nash, «Equilibrium points in n-person games», PNAS 36 (1950), 48–49.
  • P. D. Taylor, L. B. Jonker, «Evolutionarily stable strategies and game dynamics», Mathematical Biosciences 40 (1978), 145–156.