[论文解读] Bounded confidence model on a still growing scale-free network

Auler Sousa|arXiv (Cornell University)|Jun 30, 2004

Opinion Dynamics and Social Influence被引用 5

一句话总结

本研究利用Barabási-Albert（BA）模型，在一个不断增长的无标度网络上研究了连续意见动态的有界置信（BC）模型。研究发现，只有当置信阈值ε > 0.5时，意见共识才会出现；与固定网络相比，网络增长对共识行为的影响可忽略不计，并且在临界ε值处观察到意见集群的相变现象。

ABSTRACT

A Bounded Confidence (BC) model of socio-physics, in which the agents have continuous opinions and can influence each other only if the distance between their opinions is below a threshold, is simulated on a still growing scale-free network considering several different strategies: for each new node (or vertex), that is added to the network all individuals of the network have their opinions updated following a BC model recipe. The results obtained are compared with the original model, with numerical simulations on different graph structures and also when it is considered on the usual fixed BA network. In particular, the comparison with the latter leads us to conclude that it does not matter much whether the network is still growing or is fixed during the opinion dynamics.

研究动机与目标

• 研究在持续增长的无标度网络上，由有界置信驱动的意见动态如何演化。
• 将增长网络上的共识行为与固定Barabási-Albert网络及其他图结构上的共识行为进行比较。
• 确定网络增长是否会影响有限尺寸效应以及意见集群的出现。
• 分析连通性m和置信阈值ε在塑造最终意见集群数量及分散指数y方面的作用。
• 评估系统的共识特性是否依赖于拓扑结构，或在不同网络类型下具有鲁棒性。

提出的方法

• 在不断增长的Barabási-Albert（BA）网络上模拟有界置信（BC）模型，其中每个新节点通过优先连接方式添加m条边。
• 在每个时间步，添加一个具有随机意见s_i ∈ (0,1)的新节点后，在所有节点上执行N_d = 10^6次BC更新运行。
• 在每次BC运行中，随机访问节点；若|s_i - s_j| < ε，则通过s_i = s_i - μ(s_i - s_j)和s_j = s_j + μ(s_i - s_j)更新意见，其中μ ∈ [0, 0.5]。
• 该过程持续进行，直到每次运行中所有节点均被更新一次，随后分析收敛后的最终意见分布。
• 将结果与原始BC模型（完全图）、固定BA网络、Erdős-Rényi随机图以及小世界网络进行比较。
• 通过测量归一化后的不同意见数量和分散指数y = (1/L)Σ(s_i - s_avg)^2，量化意见的分散程度与集群化程度。

实验结果

研究问题

• RQ1 在意见动态过程中，无标度网络的增长是否显著改变共识的出现方式，与固定网络相比？
• RQ2 置信阈值ε如何影响不同意见集群的数量及意见的分散程度？
• RQ3 在特定ε值处观察到的意见数量局部极小值是否与意见集群数量的相变相关？
• RQ4 平均连通性m如何影响分散指数y随ε变化的过渡区域的锐利程度？
• RQ5 在BC模型中，增长网络与固定网络拓扑结构在有限尺寸效应方面存在多大差异？

主要发现

• 仅当ε > 0.5时才能实现完全共识，与原始BC模型在完全图以及固定BA网络上的结果一致。
• 当ε < 0.5时，随着ε减小，不同意见的数量增加，在ε ≈ 0.10–0.15、0.15–0.20和0.25–0.30处观察到归一化意见数量的局部极小值。
• 这些局部极小值对应于意见集群数量的相变：从四个集群减少到三个，再从三个减少到两个，最终从两个减少到一个集群。
• 当ε > 0.3时，分散指数y随ε平滑增加，由于部分低连通性节点仍保持未集群化状态，其值始终低于1。
• 随着连通性m的增加，过渡区域变得更加尖锐，在m和网络规模趋于无穷大的极限下趋近于阶跃函数行为。
• 在增长网络上的结果与固定网络几乎完全相同，表明网络增长对意见动态结果的影响可忽略不计。