基于多Agent和改进Deffaunt模型的信息传播建模与仿真

研究社会化营销中的信息传播对提出合理策略建议、提升企业竞争力有重要意义.信息传播是一个存在个体交互的复杂过程,多数信息传播模型中对现实情况做了较多的简化,没有考虑个体的异质属性对信息传播的影响,也无法体现个体间的交互,本文从复杂系统的角度研究信息传播过程,运用多Agent方法建立信息传播模型,并基于改进的Deffaunt模型建立多Agent交互机制,通过模拟仿真分析了不同因素对信息传播的影响,发现个体的异质属性、个体间的相互影响力以及外界环境的因素对信息传播的速度和范围均有一定的影响..     

考虑个体警觉行为的双层网络流行病传播模型

流行病传播过程中常伴随个体意识信息的扩散,然而目前关于流行病与意识信息关系的研究大部分未考虑意识信息在传播过程中对个体接触行为的影响。提出一种基于个体警觉状态的双层网络流行病传播模型。建立下层物理接触网络描述流行病的传播,构建上层信息扩散网络描述流行病传播中信息扩散,根据个体的行为偏好和警觉性设计警觉个体避免与非警觉个体接触、警觉个体避免与警觉个体接触两种接触行为策略,并在BA-BA、BA-WS和WS-WS 3种双层网络中模拟两种行为策略对流行病传播的影响。仿真结果表明,该模型中两种个体警觉行为策略通过调节警觉性参数均能有效降低流行病感染规模并提高流行病爆发阈值,从而抑制流行病在人群中传播。     

基于元胞自动机的网络舆论激励模型

为了研究网络舆论的传播过程及发展趋势，建立了一个基于元胞自动机的网络舆论激励模型，用于模拟网络舆论形成过程中个体发表言论数的变化以及个体观点的变化。在模型中，将网络空间的个体抽象为以情感描述的元胞，用情感倾向度和情感倾向度门限来确定元胞发表言论的状态，用情感激励来描述元胞的移动规则。同时，该模型考虑了个体数量增减和社会突发事件对网络舆论传播的影响，从而更能准确地模拟网络现实事件。     

基于SIRS的微信信息传播模型

微信高速发展已成为人际关系交流的一个重要平台,在社会网络信息传播中占据着独特的地位.以传染病模型为基础,建立基于微信信息传播模型,利用实验数据,在多情景下分析模型参数和信息源对微信信息传播范围及特征等的影响.通过对微信信息传播影响因素改变,其仿真结果与微信传播的特征具有很好的吻合度,对管控利用微信具有重要意义.     

基于SIR的SNS网络舆情话题传播模型研究

舆情话题通常是由突发性的新闻事件所引发,社交网站(Social Network Sites,SNS)因其庞大的用户规模和开放性、即时性与互动性等特点,成为舆情话题传播的重要渠道.因此,研究SNS网络中的舆情话题传播机制,将有利于对舆情话题的传播过程进行分析与监控.然而传统的网络信息传播模型无法真实地描述SNS网络中的舆情话题传播过程.为了解决上述问题,分析了SNS网络中的信息互动模式及舆情话题的传播特点,基于无标度网络上的SIR模型,通过引入内部感染概率、外部感染概率、免疫概率以及直接免疫概率,构建了SNS网络中的舆情话题传播模型.仿真结果表明,基于SIR的舆情话题传播模型可以很好地描述SNS网络中的舆情话题演化规律.     

一种基于语义的协同工作模型

针对产品制造领域,提出一种基于语义的协同工作模型。该模型分别以XML和RDF(S)作为协同信息的语法描述模式和语义描述模型,为协同信息提供机器呵处理和可理解能力;通过建立由个体Ontology和顶层Ontology构成的两层Ontology体系,以个体Ontology描述协同过程中个人或团体的领域背景知识,以顶层Ontology为概念和语义参照模型,建立协同信息之间的语义约束,为协同过程提供多领域知识共享和互操作环境。     

基于Agent动态网络的疾病传播模型

提出一个基于Agent动态网络的疾病传播模型,研究疾病在人群中传播扩散的动态过程。在扩展疾病传播的SIR模型基础上,利用不同的个体状态描述各阶段病情。在二维规则网络上,通过增加个体自主移动性构建动态社会网络,并考虑个体异质性和所采取的防护措施对疾病传播的影响。仿真结果表明,该模型较好地反映了动态社会网络和个体适应性行为对疾病传播的影响,并与实际情况基本保持一致。     

基于行为预测的微博网络信息传播建模

研究微博网络中的信息传播及扩散机制在市场营销、舆情管控等方面具有重要意义。当前的传播模型大多忽视了用户间的个体差异。为解决这一问题, 提取了影响转发行为的四类特征, 利用机器学习中的逻辑回归模型分析预测个体转发行为, 并在此基础上融入用户个体差异, 建立了一种基于行为预测的信息传播模型。实验表明, 该模型能较好地模拟真实网络中的信息传播过程。     

基于人际关系的传染病传播仿真模型研究

通过建立一种基于人际关系的传染病传播仿真模型对传染病传播过程以及预测在相关防控措施下疫情发展的趋势进行研究。基于人际关系描述个体间的接触与交互,以个体为单位建立仿真模型,根据中国卫健委平台收集武汉地区COVID-19疫情的初期数据调整模型参数,估算基本再生数（R0）验证模型,并模拟不同疫情防控手段的场景,探讨不同干预措施下疫情传播的趋势。建立的基于人际关系的传染病传播模型首先模拟了武汉疫情初期的传播过程,估算武汉封城前COVID-19的R0;然后对扬州疫情发展趋势进行了初步预测,发现疫情已进入可控阶段。通过探讨在人口密集接触场所（以学校为例）中不同的干预措施对疫情发展的影响,针对学生秋季开学提出相关防控意见,讨论了个体在社交接触网络中的社交移动距离对疫情传播的影响。     

多重网络中基于危机意识的疫苗接种模型

研究者在分析单层网络中个体危机意识对病毒传播的影响时,较少考虑个体危机意识的差异性。为此,将信息传播速率和个人敏感度引入多重网络,提出一种基于危机意识的SIR-SIRV模型。分别采用SIR信息传播模型和SIRV病毒传播模型描述通信网络信息与社会接触网络病毒间的交互传播过程,根据个体自身所处实际环境及病毒传播区域信息,设计个体的最佳疫苗接种策略,以提高疫苗接种的自主性。实验结果表明,该模型可使病毒感染节点密度与免疫节点密度通过自我调节即达到稳态,具有较强的自主性。