Open-Loop Nash Limits for Caputo Differential Games: Preceding-Node L1 Discretization

في عالم الأنظمة المعقدة، من انتشار الفيروسات إلى تقلبات الأسواق العالمية، نادرًا ما يتحدد المستقبل بمجرد اللحظة الراهنة. فغالبًا ما يعتمد ما سيحدث بعد ذلك بشكل كبير على ما حدث من قبل. ويُعرف هذا بـ "الذاكرة". في العديد من النماذج الفيزيائية والاقتصادية، لا تكون الحالة الراهنة للنظام مجرد لقطة زمنية، بل هي نتيجة تراكمية لتاريخه بأكره. وعندما يتفاعل العديد من صناع القرار، أو اللاعبين، داخل مثل هذا النظام، محاولين تحسين نتائجهم الخاصة مع التفاعل مع أفعال الآخرين، يصبح الموقف عبارة عن لعبة. وتسمى هذه "الألعاب التفاضلية". ويتمثل التحدي الذي يواجه العلماء والرياضيين في أن هذه الألعاب صعبة الحل بشكل مباشر لأن "ذاكرة" النظام تجعل المعادلات مستمرة ومعقدة بشكل لانهائي. ولإحراز تقدم، غالبًا ما يقوم الباحثون بتقسيم الوقت إلى خطوات صغيرة يمكن إدارتها، محولين اللعبة الانسيابية المتدفقة إلى سلسلة من اللقطات المنفصلة. وهم يحلون اللعبة لهذه اللقطات ويأملون في أن يكون الحل الذي يجدونه بمثابة بديل جيد للعالم المستمر الحقيقي.

ومع ذلك، كان السؤال الجوهري دائمًا هو ما إذا كانت هذه الطريقة المختصرة تعمل بالفعل. هل يتقارب الحل الموجود في النسخة المنفصلة (المقسمة إلى خطوات) من التوازن الحقيقي للعبة الأصلية المستمرة؟ بالنسبة للأنظمة القياسية التي لا تملك ذاكرة، غالبًا ما تكون الإجابة بنعم. ولكن بالنسبة للأنظمة ذات الذاكرة، حيث يؤدي تغيير لاعب واحد في استراتيجيته إلى تغيير السجل التاريخي بأكره الذي يؤثر على المستقبل، فإن مجرد جعل مسار النظام يبدو متشابهًا ليس كافيًا؛ إذ يجب أن يظل المنطق الاستراتيجي قائمًا أيضًا. فإذا حاول لاعب الانحراف عن الخطة في النسخة المنفصلة، يجب أن يظل هذا الانحراف صالحًا وقابلًا للمقارنة في النسخة المستمرة. وحتى الآن، لم يكن من الواضح ما إذا كانت الطبيعة غير المحلية والمعقدة للذاكرة ستؤدي إلى كسر هذا الرابط، مما يتسبب في ابتعاد الحلول المنفصلة عن التوازن الاستراتيجي الحقيقي مع صغر حجم الخطوات.

لقد قدم فريق من الباحثين في جامعة بيلوبونيس الآن إجابة حاسمة على هذا السؤال لفئة محددة ومتحدية من هذه الألعاب المعتمدة على الذاكرة. فقد ركزوا على الألعاب التي تحكمها نوع من الذاكرة يُعرف بـ "ذاكرة كابوتو" (Caputo memory)، حيث يتلاشى تأثير الأحداث الماضية بمرور الوقت لكنه لا يختفي تمامًا. طور الباحثون برهانًا رياضيًا صارمًا يوضح أنه، في ظل ظروف معقولة، تتقارب بالفعل الحلول الموجودة في هذه الألعاب المنفصلة (خطوة بخطوة) نحو "توازن ناش" (Nash equilibrium) للحلقة المفتوحة للعبة المستمرة. وتوازن ناش للحلقة المفتوحة هو حالة لا يمكن فيها لأي لاعب تحسين نتيجته من خلال تغيير استراتيجيته من جانب واحد، بافتراض ثبات استراتيجيات الآخرين. وقد أثبت الفريق أنه مع صغر الخطوات الزمنية في المحاكاة إلى ما لا نهاية، تستقر استراتيجيات ونتائج اللاعبين المنفصلين في نمط مستقر يطابق تمامًا توازن اللعبة المستمرة.

للوصول إلى هذا الاستنتاج، تعين على المؤلفين التغلب على عقبة كبيرة وهي الطبيعة "الوراثية" للذاكرة. ففي هذه الألعاب، تغير حركة اللاعب الحالية التاريخ الكامل للنظام، والذي بدوره يغير المستقبل للجميع. وهذا يخلق موقفًا دقيقًا حيث يمكن لخطأ صغير في التقريب المنفصل أن يشوه نظريًا المقارنات الاستراتيجية اللازمة لتحديد التوازن. وقد أظهر الباحثون أنه باستخدام طريقة محددة تسمى "التقسيم الرقمي للعقدة السابقة" (preceding-node L1 discretization)، يمكنهم الحفاظ على البنية الاستراتيجية الضرورية. تضمن هذه الطريقة أنه عند حساب الحالة في لحظة معينة، لا يستخدم النموذج سوى المعلومات من اللحظة السابقة مباشرة، مما يحافظ على سلسلة واضحة من السبب والنتيجة. وقد أثبتوا أنه حتى مع هذا القيد، تحتفظ الحلول المنفصلة بالقدرة على استعادة أي انحراف قد يقوم به اللاعب في العالم المستمر. وهذا الاسترداد ضروري؛ لأنه بدون ذلك، ستكون اللعبة المنفصلة تحل مشكلة مختلفة عن اللعبة المستمرة.

تتجاوز الدراسة النظرية المجردة بتطبيقها على سيناريو محدد ومكتمل المواصفات يتضمن ثلاثة لاعبين يتفاعلون في بيئة غير خطية. فقد صمم الباحثون نموذجًا مفصلاً لهذه اللعبة الثلاثية، مكتملًا بقيم عددية محددة لكيفية تفاعل اللاعبين وما يهدفون إلى تحقيقه. ثم استخدموا طرقًا بمساعدة الحاسوب للتحقق من أن الشروط الرياضية المطلوبة لبرهانهم كانت صحيحة في هذه الحالة المحددة. لقد تحققوا من انحناء الدوال الهدفية للاعبين، لضمان أن اللعبة مهيأة بما يكفي ليكون لكل لاعب استجابة مثلى فريدة. وأكدت حساباتهم أنه لأي شبكة زمنية دقيقة بما يكفي، يوجد توازن ناش نقي عالمي في النسخة المنفصلة من اللعبة. وهذا يعني أنه بالنسبة لهذا السيناريو الثلاثي المحدد، فإن التقريب المنفصل لا يقدم مجرد تخمين غامض، بل يضمن حلًا مستقرًا تمتلكه اللعبة المستمرة أيضًا.

إن هذه النتائج مهمة لأنها تجسر الفجوة بين العالم النظري للألعاب التفاضلية المستمرة والعالم العملي للمحاكاة الحاسوبية. قبل هذا العمل، كان من الممكن أن تكون الحلول الاستراتيجية الموجودة في النماذج الحاسوبية للأنظمة المعتمدة على الذاكرة مجرد نتاج للطريقة العددية، وتتباعد عن الواقع مع صغر حجم الشبكة. وقد أظهر المؤلفون أن هذا ليس هو الحال بالنسبة لهذه الفئة من الألعاب. فقد أثبتوا أن التوازنات المنفصلة ليست مجرد تقريبات لمسارات الحالة، بل هي تقريبات حقيقية للتوازن الاستراتيجي نفسه. وهذا يمنح الباحثين والمهندسين الثقة عند استخدام هذه الطرق العددية لتصميم استراتيجيات للأنظمة المعقدة ذات الذاكرة — مثل إدارة الموارد، أو السياسة الاقتصادية، أو التحكم البيولوجي — بأنهم يجدون حلولًا سليمة رياضيًا وتتقارب نحو السلوك الأمثل الحقيقي.

كما أثبت الباحثون أن التقارب يحدث بطريقة محددة وقوية. فالاستراتيجيات، وهي دوال زمنية، تتقارب بطريقة تحافظ على خصائصها الجوهرية، بينما تتقارب حالات النظام الناتجة تقاربًا موحدًا، مما يعني أن المسار الكامل للنظام يصبح غير قابل للتمييز عن المثالي المستمر مع صغر الخطوات الزمنية. يضمن هذا التقارب المزدوج أن كل من القرارات التي يتخذها اللاعبون والنتائج الفيزيائية أو الاقتصادية لتلك القرارات يتم التقاطها بشكل صحيح. ويعتمد البرهان على حقيقة أن "نواة الذاكرة" (memory kernel)، التي تحدد كيف تؤثر الأحداث الماضية على الحاضر، تمتلك خصائص رياضية محددة تسمح بهذا الاستقرار. ومن خلال الاستفادة من هذه الخصوات، أظهر الفريق أن التأثيرات "الوراثية" لا تدمر هيكل التوازن، بل تسمما إعادة بنائه بأمانة في الحد النهائي.

وفي المثال الثلاثي المحدد الذي تم تحليله، وجد الباحثون أن اللعبة تمتلك خاصية التحدب القوي، والتي تضمن أن لكل لاعب استجابة مثلى واحدة وواضحة لأفعال الآخرين. وقد تم التحقق من هذه الخاصية باستخدام مزيج من الحدود التحليلية والتوثيق بمساعدة الحاسوب، مما ضمن أن النتائج لم تكن مجرد احتمالات نظرية بل حقائق رياضية ملموسة للمعاملات المعطاة. وأكدت الدراسة أنه لأي حجم شبكة أصغر من عتبة معينة، فإن اللعبة المنفصلة تضمن وجود حل، وأن هذا الحل سيتقارب نحو التوازن المستمر. وهذا يوفر أساسًا متينًا لاستخدام الطرق العددية في دراسة الألعاب التفاضلية ذات الرتب الكسرية، وهو مجال يزداد أهمية لقدرته على نمذجة الظواهر المعقدة الغنية بالذاكرة في الفيزياء والأحياء والاقتصاد.

كما توضح الدراسة دور طريقة التقسيم الرقمي المستخدمة. إن نهج "العقدة السابقة"، حيث تعتمد الخطوة الحالية فقط على الحالة والتحكم في اللحظة السابقة مباشرة، ليس مجرد وسيلة مريحة حاسوبيًا بل هو ميزة حاسمة تسمح للبرهان بالعمل. يضمن هذا السببية أن النموذج المنفصل يحترم تدفق الوقت والمعلومات، مما يمنع التبعيات الدائرية التي قد تبطل شروط التوازن. وقد أظهر الباحثون أن هذا الهيكل المحدد يسمح لهم باستعادة أي انحراف أحادي الجانب في اللعبة المستمرة من خلال بناء انحراف مقابل في اللعبة المنفصلة. وعملية الاستعادة هذه هي المفتاح لإثبات أن المقارنات الاستراتيجية تصمد في الحد النهائي، مما يضمن الحفاظ على شرط "ناش".

في نهاية المطاف، يوفر هذا البحث تحققًا صارمًا لممارسة شائعة في الحوسبة العلمية: حل المشكلات المستمرة المعقدة عن طريق تقسيمها إلى خطوات منفصلة. وبالنسبة للألعاب التي تنطوي على الذاكرة، حيث تكون المخاطر عالية في حال الخطأ في الاستراتيجية بسبب الآثار طويلة المدى، فإن هذا التحقق أمر ضروري. لقد أثبت المؤلفون أن المسار من المنفصل إلى المستمر ليس قفزة في المجهول، بل هو رحلة مضمونة رياضيًا. وتؤكد نتائجهم أن الرؤى الاستراتيجية المكتسبة من عمليات المحاكاة العددية هذه موثوقة، وأن التوازنات الموجودة في الحاسوب هي بالفعل توازنات الأنظمة الواقعية التي يُفترض أن تمثلها. وهذا يمنح مستوى جديدًا من الثقة في تطبيق نظرية الألعاب التفاضلية في المجالات التي يهم فيها التاريخ وحيث يرتبط المستقبل ارتباطًا وثيقًا بالماضي.