我不懂演化博弈的数学——Replicator Dynamics、Inertial Dynamics，这些名词对我来说只是名词。但我会计算机模拟，Agent-Based Model（ABM）是我的语言。
假如在一个 $n \times n$ 的网格上，按网格数量乘以种群密度生成一群 agents，每一步 agents 带着一个 action 在网格上移动，在 Von Neumann 邻域找另一个 agent 配对，玩一把经典博弈，然后更新 action，进入下一步。所有 agents 更新 action 的方式都一样。以上定义了模型的基本要素。
现在考虑一个关键变量：agents 更新 action 的依据是什么？
一、和邻居比较这一步的得分 $P_1$，下一步变成得分 $P_1$ 高的 action。
二、和邻居比较历史所有博弈的得分 $P_2$，下一步变成得分 $P_2$ 高的 action。
微观设定上，只是"看当前"和"看历史"的区别。但当我试图用数学去描述这两个模型时，发现它们对应着两种完全不同的物理动态：一阶系统与二阶系统，速度与加速度。
下面一步步完成推导。
从代码到方程：平均场近似
在计算机模拟中，有一个 $n \times n$ 的网格，Agent 在上面走动并寻找邻居。数学家做了一个"偷懒"但极其有效的假设——平均场近似（Mean-Field Approximation）：假设网格无限大，且所有人像气体分子一样充分混合，随机相遇。
这意味着什么？假设当前全图有 $x$ 比例的人使用策略 $A$，有 $1-x$ 比例的人使用策略 $B$。在一个极小的时间步 $\Delta t$ 内，随机抓取一个 Agent，他是策略 $B$ 的概率是 $1-x$；他恰好撞见一个策略 $A$ 邻居的概率就是 $x$。所以，"$B$ 遇到 $A$“这个事件发生的联合概率就是 $x(1-x)$。
当 $B$ 遇到 $A$ 后，会不会变成 $A$？在我们的规则中，比较的是得分。假设切换策略的概率与两者的收益差成正比：如果 $\pi_A > \pi_B$，那么 $B$ 变成 $A$ 的概率 $P(B \to A) = \alpha (\pi_A - \pi_B)$，其中 $\alpha$ 是一个常数比例系数。
这就是从微观到宏观的桥梁。接下来，两个模型分道扬镳。
模型一：看当前得分——Replicator Dynamics
推导
设在时间 $t$ 时刻，全网格采用策略 $A$ 的 Agent 比例为 $x(t)$，采用 $B$ 的比例为 $1-x(t)$。策略 $A$ 的期望单步收益为 $\pi_A(x)$，策略 $B$ 的为 $\pi_B(x)$。
经过一个极小的时间步 $\Delta t$ 后，策略 $A$ 的人口比例变化了多少？
策略 $A$ 增加的人口 = “原本是 $B$ 的人” × “遇到了 $A$” × “决定变成 $A$ 的概率”：
$$\Delta x = (1-x) \cdot x \cdot \alpha(\pi_A - \pi_B) \cdot \Delta t$$两边同时除以 $\Delta t$：
$$\frac{\Delta x}{\Delta t} = \alpha x(1-x)(\pi_A - \pi_B)$$当 $\Delta t \to 0$ 时，$\frac{\Delta x}{\Delta t}$ 变成导数 $\frac{dx}{dt}$。令 $\alpha = 1$（吸收进时间尺度），得到：
$$\frac{dx}{dt} = x(1-x)[\pi_A(x) - \pi_B(x)]$$这就是演化博弈中最著名的标准复制子动态方程（Standard Replicator Equation）。
特征
直觉翻译：速度 = 相遇概率 × 利益驱动力。
这是一阶常微分方程。$\frac{dx}{dt}$ 相当于物理学中的"速度”——种群演化的速度，直接由当前的收益差决定。如果这一步 $A$ 赚得多，大家立刻转向 $A$。
系统具有马尔可夫性（无记忆性）：下一步状态只依赖当前这一步的收益状态，与过去无关。
物理类比：在浓稠蜂蜜中运动。只要没有推力（收益差为 0），运动立刻停止，系统达到纳什均衡。
模型二：看历史总得分——Inertial Dynamics
推导
在模型二中，Agent 比较的不再是当前的单步得分 $\pi$，而是历史所有博弈的累计得分。
在离散的代码里，用的是累加。在连续的微积分里，“随时间累加"就是定积分：
$$U_A(t) = \int_0^t \pi_A(x(\tau)) d\tau, \quad U_B(t) = \int_0^t \pi_B(x(\tau)) d\tau$$Agent 更新策略的逻辑没变，只是把比较对象换成了 $U_A$ 和 $U_B$：
$$\frac{dx}{dt} = x(1-x)[U_A(t) - U_B(t)]$$看起来只是把 $\pi$ 换成了 $U$，但数学性质发生了根本变化。为了看清楚，做一个变形。
把 $x(1-x)$ 除到左边：
$$\frac{1}{x(1-x)} \frac{dx}{dt} = \int_0^t \pi_A(x(\tau)) d\tau - \int_0^t \pi_B(x(\tau)) d\tau$$对等式两边同时对时间 $t$ 求导。
根据微积分基本定理（变上限积分的导数等于被积函数本身），右边的积分符号被"扒掉”，露出当步收益 $\pi_A - \pi_B$：
$$\frac{d}{dt} \left( \frac{1}{x(1-x)} \frac{dx}{dt} \right) = \pi_A(x) - \pi_B(x)$$特征
左边是对一个包含速度 $\frac{dx}{dt}$ 的项再次求导——速度的导数，就是加速度。
当前收益差 $\pi_A - \pi_B$ 决定的不再是速度，而是加速度。这是二阶积分微分方程，带有严重的路径依赖（Memory & Inertia），在文献中被称为惯性动态（Inertial Dynamics）。
物理类比：牛顿第二定律 $F = ma$。当前的收益差就像"受力"，受力改变的是加速度，不是速度。系统具有惯性。
两种动态在模拟中的表现
如果将这两个模型写进代码并跑起来，会观察到截然不同的现象。
滞后与过冲（Overshoot）。 模型一中，如果博弈的纳什均衡点发生移动，Agent 会非常灵活地立刻转向新最优解，曲线平滑地趋近稳定比例。模型二则会出现"掉头困难"——即使当前 $A$ 已经不如 $B$ 赚钱了（$\pi_A < \pi_B$），但因为 $A$ 在历史早期积累了巨大的财富总额（$U_A > U_B$），Agent 依然在盲目地变成 $A$。直到 $B$ 的当期优势持续足够长的时间，把历史欠账追平，种群才会开始转向。曲线上表现为剧烈的震荡、延迟甚至超调。
马太效应与锁定（Lock-in）。 在模型二中，如果前几轮由于纯随机的原因，某一部分 Agent 玩某个策略运气极好，积累了极高的历史得分，这个策略可能会永久"锁定"全图，即使它并不是当前的全局最优解。经济学中经典的例子是 QWERTY 键盘——早期的历史累积优势提供了巨大的惯性，使劣势技术一统天下。
写在最后
模型一是关于"顺应时势"的数学，模型二是关于"历史底蕴"的数学。这个对应关系让我觉得意外又自然。
意外的是，微观规则上只是一个微小的改动——比较当期收益还是比较累计收益——就在宏观数学上从一阶跳到了二阶，从无记忆跳到了有惯性。自然的是，一旦想通了这个跳跃的逻辑，一切又显得不可避免：累计收益是当期收益的积分，把积分放进方程，再对时间求导消去积分，自然就多出一阶导数。
这个结果也让我重新审视 ABM 和数学推导的关系。ABM 是微观视角的演化博弈——局部交互、概率模仿、有限理性；数学方程则是假设网格无限大、主体无限多、混合均匀时的宏观近似。两者是同一枚硬币的两面，而平均场近似就是翻面的手法。ABM 能捕捉空间效应和随机涨落，数学方程则能给出清晰的定性判断——比如"看历史得分会导致系统震荡"这个结论，从二阶方程的数学性质就能预判，不需要跑一万次模拟。
但反过来，数学方程的预测也有边界。平均场近似忽略了空间聚集效应——当 Agent 倾向于和同类聚集时，实际相遇概率会偏离 $x(1-x)$，宏观方程的预测就会失准。这时候 ABM 反而是更诚实的工具。
最后，模型二的"惯性"让我想到一个更宽泛的问题：很多社会现象——技术锁定、制度路径依赖、文化惯性——是否都可以用类似的二阶动态来理解？当个体决策基于历史累积信息而非当期信号时，系统自然会表现出迟滞和震荡。这或许不是巧合，而是某种更深层的热力学或统计物理规律在起作用。