摘要
近年来，随着复杂性和网络科学的迅猛发展，观点传播机制和演化动力学研究受到了多学科交叉领域的广泛关注。观点是决定人们行为和态度的关键因素，舆情管理可以影响社会和政治的演变，有助于预测和控制社会网络中的信息传播，为社会管理、政治决策等提供科学的指导，因此分析简单的局部交互作用下涌现的群体观点演化行为具有重要的研究意义。通过研究微观个体之间的相互作用对整个系统的结构和行为的影响，有助于深入理解观点演变的内在机理。本文基于原始的观点演化模型，结合现实性因素进一步丰富个体的交互规则，研究了个体影响力的非均匀性、声誉的差异性和不同子系统之间的耦合作用对群体观点演化的影响，分析了网络的拓扑结构与系统行为之间的关系。本文工作主要包含以下几个方面： 1.提出了基于个体异质影响的加权HK模型，研究了与邻居数量相关的指数权重对观点一致性的影响。与传统模型不同的是本模型中邻居个体对中心个体的影响各不相同，其影响能力由一个与该节点度相关的指数权重来调节。随着指数的增加，度大的个体的影响能力变大，影响能力的异质性增强。研究结果表明与传统HK模型相比，影响能力的异质性极大促进了整个系统的收敛，由少数度大的节点发挥的主导作用促使观点达成一致的置信界临界值减小。 2.考虑现实生活中个体声誉的影响，提出了与声誉有关的交互规则下的Voter模型。观点更新时个体的学习概率并不一致，而是与交互双方的声誉有关，并通过调节参数控制其对声誉的依赖。反之，观点更新结果也会影响个体的声誉值，其随着观点的传播进行动态调整。研究发现当个体倾向于向声誉较低的个体学习时，存在一个调节参数的最优值可使系统很快达成一致；而当个体倾向于学习声誉较高的个体时，“狂热者”的出现阻碍了观点一致性的达成，收敛速度随着可调参数的增大而降低。 3．提出了相互依存系统上的HK观点演化模型，分析了子系统之间的耦合作用对观点演化的影响。通过引入耦合强度，发现两个子系统之间的相互作用极大地改变了整个系统的观点演化状态。随着耦合强度的增大，原本互相独立的子系统的观点逐渐趋于一致。较小的置信界参数导致独立的子系统很难收敛，但子系统之间的强耦合可以使整个系统达成一致。并且，子系统之间存在同步现象，一个子系统的一致性有助于促进另一个子系统取得相同的观点一致性。
NETL