[论文解读] Agent Based Models and Opinion Dynamics as Markov Chains

Sven Banisch, Ricardo Lima+1 more|arXiv (Cornell University)|Aug 8, 2011

Opinion Dynamics and Social Influence参考文献 27被引用 10

一句话总结

本文提出一个马尔可夫链框架，通过将微观层面的个体交互投影到宏观层面的马尔可夫过程，对意见动态的代理模型（ABMs）进行严格分析。利用可 lumpability 条件，该研究识别出宏观动态保持马尔可夫性的条件，从而实现对瞬态行为的完整表征——这对现实世界应用至关重要——同时表明，通信限制会导致多个吸收态的出现以及意见共存，这源于更新概率分布的结构性质。

ABSTRACT

This paper introduces a Markov chain approach that allows a rigorous analysis of agent based opinion dynamics as well as other related agent based models (ABM). By viewing the ABM dynamics as a micro description of the process, we show how the corresponding macro description is obtained by a projection construction. Then, well known conditions for lumpability make it possible to establish the cases where the macro model is still Markov. In this case we obtain a complete picture of the dynamics including the transient stage, the most interesting phase in applications. For such a purpose a crucial role is played by the type of probability distribution used to implement the stochastic part of the model which defines the updating rule and governs the dynamics. In addition, we show how restrictions in communication leading to the co-existence of different opinions follow from the emergence of new absorbing states. We describe our analysis in detail with some specific models of opinion dynamics. Generalizations concerning different opinion representations as well as opinion models with other interaction mechanisms are also discussed. We find that our method may be an attractive alternative to mean-field approaches and that this approach provides new perspectives on the modeling of opinion exchange dynamics, and more generally of other ABM.

研究动机与目标

• 建立微观层面的代理动态与意见动态中宏观可观测量之间严格的数学联系。
• 通过分析瞬态动态，克服平均场近似的局限性，因为瞬态行为通常比渐近行为更具相关性。
• 通过可 lumpability 概念，识别宏观动态保持马尔可夫性的条件。
• 阐明代理更新概率分布的结构性质如何决定吸收态的出现与意见共存。
• 提供一个可推广至 n 元意见模型及复杂交互机制的框架。

提出的方法

• 将代理基于意见动态建模为在代理状态全配置空间上的连续时间马尔可夫链。
• 应用可 lumpability 概念，利用集体变量将微观马尔可夫过程投影到宏观描述上。
• 利用代理更新概率分布 ω 的对称性与结构，判断宏观过程是否仍为马尔可夫过程。
• 分析宏观过程的瞬态动态，包括首达时间与退出概率，而非仅关注渐近吸收行为。
• 通过将概率分布 ω 扩展至高阶更新规则，将该框架推广至 n 元意见模型及多代理交互模型。
• 引入时变的 ωt 以建模演化中的社会结构，实现代理动态对宏观规则的反馈。

实验结果

研究问题

• RQ1 在何种条件下，代理基于意见模型的宏观描述仍为马尔可夫过程？
• RQ2 代理更新概率分布 ω 的结构如何影响多个吸收态的出现与意见共存？
• RQ3 概率分布的选择在决定意见系统瞬态动态中起何种作用？
• RQ4 能否通过马尔可夫链技术对 ABM 的宏观动态进行严格分析，而不仅依赖平均场近似？
• RQ5 如何通过使 ω 时变，在马尔可夫链框架中建模演化中的社会结构？

主要发现

• 代理基于意见模型的宏观动态保持马尔可夫性，当且仅当满足可 lumpability 条件，而该条件取决于代理更新概率分布 ω 的对称性与结构。
• 系统的瞬态阶段——通常对现实世界应用最为关键——可借助所提出的马尔可夫链框架得到完整表征，而平均场方法则无法实现。
• 通信限制会导致多个吸收态的出现，这些吸收态对应于系统中不同意见的持久共存。
• 概率分布 ω 不仅是技术工具，更编码了互动的社会结构，其非对称性或缺乏对称性可能破坏宏观马尔可夫描述的成立。
• 该框架揭示，集体行为中的长记忆效应源于非对称的 ω，表明 ABMs 中存在一种描述性涌现的来源。
• 该方法为平均场方法提供了可行的替代方案，并通过时变的 ωt 开辟了建模微观动态与宏观结构之间反馈的新途径。