适应度

适应度 (Fitness)

适应度（Fitness）是演化生物学和演化博弈论中的核心概念，指个体、基因型或策略在特定环境中生存、繁殖或被复制传播的相对能力。在生物学中，适应度衡量基因型对下一代基因库的贡献比例；在演化经济学中，适应度被重新诠释为策略的"成功程度"——某一策略因其带来的较高收益而在种群中被模仿、学习或扩散的速率。适应度概念跨越了生物学与社会科学的边界，为理解竞争、选择和演化动态提供了统一的数学语言。

生物学中的适应度

在达尔文自然选择理论的形式化表述中，适应度分为两种度量。绝对适应度（Absolute Fitness）指个体一生中产生的后代数量；相对适应度（Relative Fitness）则是某基因型相对于种群中最优基因型的适应度比值，通常以 $w$ 表示。若基因型 $A$ 的相对适应度为 $w_A = 1$，基因型 $B$ 的 $w_B = 0.8$，则每一代中 $B$ 的频率将以 $s = 1 - 0.8 = 0.2$ 的选择系数下降。

适应度并非个体的内在属性，而是环境依赖的：同一基因型在不同生态环境中的适应度可能截然不同，甚至反转。Sewall Wright提出的适应性景观（Fitness Landscape）概念将基因型空间映射到适应度的高维曲面——山峰代表局部适应度最优，山谷代表低适应度区域。种群演化本质上是在该曲面上进行有偏向的随机游走：自然选择推动种群向山顶攀爬，遗传漂变则引入随机扰动，使种群可能跨越山谷抵达更高的远峰。

演化博弈论中的适应度

演化博弈论将适应度从繁殖成功率推广为策略的博弈收益。其核心洞察是：策略的成功不取决于内在优越性，而取决于种群中其他策略的分布——即频率依赖性（Frequency Dependence）。在复制子动态（Replicator Dynamics）框架中，设策略 $i$ 的比例为 $x_i$，其期望收益（适应度）为 $f_i(\mathbf{x})$，种群平均适应度为 $\bar{f}(\mathbf{x}) = \sum_j x_j f_j(\mathbf{x})$，则频率变化满足：

该方程的核心直觉简洁而深刻：适应度高于平均水平的策略扩张，低于平均水平的策略萎缩。此框架不假设个体具有理性计算能力，仅依赖自然选择或模仿学习机制驱动动态。演化稳定策略（ESS）正是通过适应度比较定义的——一个策略是 ESS，当且仅当种群中任何小比例突变策略的适应度都低于它，从而无法入侵。

适应度的频率依赖性使演化动态可能产生丰富的非线性行为：多稳态、极限环乃至混沌。例如石头剪刀布博弈中，三种策略的适应度相互制约，复制子动态在均衡点周围形成中性循环，永无收敛——恰如自然界中某些物种共存的周期性波动。

经济学与社会科学中的应用

适应度概念在演化经济学、行为金融学和制度经济学中有深远影响。适应性市场假说（AMH, Andrew Lo, 2004）将金融市场视为演化生态系统：不同的交易策略（趋势追踪、均值回归、做市等）对应不同的"基因型"，其适应度随市场波动率、流动性和监管环境动态变化。成功的策略吸引更多资本和模仿者，从而改变市场微观结构，反过来影响该策略的未来适应度——这与生态学中捕食者-猎物模型的频率依赖选择高度同构。

在制度分析中，道格拉斯·诺斯的制度变迁理论隐含了适应度逻辑：制度（产权规则、合同执行机制、社会规范）在不同经济环境中的适应度决定了它们是被保留、复制还是淘汰。效率更高的制度通过群体选择或文化传播扩散，低适应度制度则在竞争压力下萎缩。但频率依赖性意味着：某些看似低效的制度可能因其在局部环境中的适应度优势而持续存在，形成制度锁定（Institutional Lock-in）。

在遗传算法中，适应度函数是驱动搜索的核心引擎——候选解的适应度决定其被选择和重组的概率，模拟自然界的优胜劣汰。低阶、短定义距、高于平均适应度的模式（建筑块）在迭代中呈指数增长，这是遗传算法能够逼近全局最优的理论基础（模式定理）。

核心洞见

适应度概念的深刻之处在于它揭示了一个普遍原理：在竞争性系统中，衡量"成功"的尺度本身由系统内所有参与者的当前状态共同决定。这意味着不存在绝对的、与情境无关的优劣标准——适应度总是内生于系统动态之中。这一洞见将生物学中的自然选择、经济学中的市场竞争和计算机科学中的启发式优化统一在同一分析框架下，使适应度成为贯通自然科学与社会科学的桥梁概念。