悲嘆之種的經濟學

以個體模擬(agent-based simulation)分析《魔法少女小圓》的魔法少女系統

星之宮愛麗絲 Arisu Hoshinomiya

獨立研究者

這是一份為了好玩而寫的獨立研究,未經同儕審查。所有結論都是模型在既定假設下的性質,發現問題歡迎到 GitHub 開 issue。

摘要

《魔法少女小圓》中的魔法少女、魔女與丘比構成一個子系統。本研究將其簡化為一個封閉的資源循環,並以個體模擬(agent-based simulation)觀察它在系統層面的表現,也就是把每一名魔法少女與每一隻魔女都當成獨立個體逐一模擬,再看整體會浮現什麼樣的規律。簡化後的模型保留五項要素:靈魂寶石會累積濁化、濁化須以魔女留下的悲嘆之種淨化、寶石濁化至飽和的少女將化為魔女、丘比回收此一轉變所釋放的能量,以及新的少女透過締約進入系統。模型建構於城區網格之上,並納入少女彼此爭奪悲嘆之種的鷹鴿賽局(hawk–dove game)。

研究發現有四:一、一名少女一生累積的濁化主要來自與其他少女的爭奪,而非與魔女的戰鬥;魔女稀少時兩者比例約為 5.9 比 1,魔女充裕時則降至 1 以下。二、少女折損的速率取決於丘比締約的速率,與悲嘆之種的供給幾乎無關;魔女增加時改變的是折損的方式而非折損的人數,其中以魔女化收場的比例由 88% 降至 31%。三、丘比累積回收的能量受限於新候選人出現的速度,因此使回收量最大化的招募率,會隨著評估期間拉長而下降;早期的高回收來自一次性的存量,這是一個龐氏(Ponzi)結構。四、爭奪悲嘆之種的侵略性呈現公地悲劇(tragedy of the commons)的結構:族群整體在侵略性約 0.15 時存活最久,但在資源稀缺的情況下,較強硬的策略仍能侵入較溫和的族群。

以上結果均為模型在既定假設下的性質。本文標明各項結果成立的參數範圍,並以一條精確的守恆恆等式檢驗程式實作。

資源循環示意圖:候選人、魔法少女、魔女、悲嘆之種與丘比之間的流動
資源循環。實線為主循環,紫色虛線為丘比的兩項作用,點線為兩個邊界流:魔女從模型外部湧入,以及寶石碎裂造成的折損(不產生魔女,因此沒有能量可回收)。

四項發現

  1. 爭奪主導濁化收支。魔女稀少時,少女彼此爭奪造成的濁化是與魔女戰鬥的 5.3 至 5.9 倍;魔女充裕時降至 0.8。在本模型中,衝突是稀缺的結果,而非性格的結果。
  2. 折損速率取決於締約,而非種子供給。魔女出現率橫跨百倍,折損速率仍維持在每日 0.0138 至 0.0157。改變的是折損方式:魔女化比例由 87.8% 降至 30.7%,丘比的回收也隨之由每日 0.0126 降到 0.0043。
  3. 累積回收量受候選人流入所限。使回收量最大化的招募率隨評估期間拉長而下降,由 500 日的 0.140 降至 8000 日的 0.110。高招募率的優勢全部取自一個不會補充的存量,也就是龐氏(Ponzi)結構:唯有不斷有新的候選人進來,才能維持高回收。
  4. 侵略性呈現公地悲劇(tragedy of the commons)的結構。集體最適落在侵略性 0.15,但資源稀缺時,侵略性 0.5 的突變者仍能以 1.035 倍的生涯中位數侵入 0.25 的既有族群,侵略性因而向上飄移。
濁化收支分解與爭奪對戰鬥的成本比值
發現一。左:一生的濁化來源與去向。右:爭奪成本對戰鬥成本的比值,虛線為兩者相等處。
魔女化比例、丘比回收量與生涯存活曲線
發現二。左:魔女化比例對魔女出現率。中:丘比的回收量與理論預測。右:兩種環境下的生涯存活曲線。
不同評估期間下的最適招募率與回收軌跡
發現三。左:三種評估期間下,正規化累積回收量對招募率。右:候選人池受限時的回收軌跡。
侵略性地景與入侵適應度
發現四。左:全體採取相同侵略性時的生涯中位數。右:突變者對既有族群的入侵適應度,虛線為中性水準。

延伸實驗:以強化學習調整丘比的招募率,能勝過固定招募率嗎?

結果三只比較了固定招募率。既然候選人池的水位是可觀測的狀態,一個依狀態調整的招募策略照理應該更好:池子見底時降低招募,回補後再提高。本研究以表格式 Q-learning(強化學習的一種,reinforcement learning)搜尋這樣的策略,決策以 100 日為一個宏觀步,動作為六個離散招募率,並以折現因子取代評估期間。

結果是否定的。三個折現因子下各訓練 2000 個回合,學到的策略都沒有勝過最佳固定招募率。

折現因子學到的策略最佳固定招募率差距
0.9229.7242.3−5.2%
0.99209.0242.3−13.8%
0.999180.0242.3−25.7%

這個結果不代表固定招募率比較好。有兩點限制了實驗能說明的範圍:累積回收量在招募率 0.096 以上幾乎持平,狀態依賴策略可爭取的空間小於評估雜訊;學到的 Q 表也明顯欠擬合(underfitting)。因此本研究只能說,在這組設定下,狀態依賴策略沒有可證實的優勢。

重現

環境以 uv 管理。六組實驗使用確定性種子,重跑會得到相同數字。

git clone https://github.com/yuna0x0/madoka-magica-abm.git
cd madoka-magica-abm
uv sync
uv run madoka-abm experiments   # 單核心約三分鐘

論文以 Typst 編譯,中文版需要一套 CJK 襯線字型(預設 Noto Serif CJK TC)。

引用

@misc{hoshinomiya2026griefseed,
  title  = {The Grief Seed Economy: An Agent-Based Model of the Magical Girl
            System in Puella Magi Madoka Magica},
  author = {Hoshinomiya, Arisu},
  year   = {2026},
  url    = {https://madoka-magica-abm.pages.dev},
  note   = {Independent study, not peer reviewed. Code and data:
            https://github.com/yuna0x0/madoka-magica-abm}
}