基于不动点仿真的多源信息传播网络稳定性思考

本文是一篇决策模拟论文，本文的主要工作和取得的成果有： 1、 定义了智能矢量（包括信息矢量与偏好矢量），对智能进行表达、比较与运算，进而决定智能数体的信息传播行为，为多源信息的综合作用机理提供了抽象的表达与推理方式，有效的解释了非理性成员在信息传播过程当中的作用机理。

1  绪论

1.1  研究背景及意义
群体智能现象在人类社会中随处可见，例如经济领域的供应链协同运作、企业的管理，文化领域的各类科学研讨会，政治领域的民主选举，这些都是群体智慧的具体表现。在自然界中，群体智能现象也较为常见，例如，飞鸟成队、蚂蚁筑巢等。群体智能的基础是群体系统，群体系统通常由一定数量的个体组成，系统中的每个智能体都只能通过与其他个体进行交流而获得的局部信息来调整自身的行为，具有个体自治、非集中式控制、局部信息作用等特征[1]。与传统的群体智能相比，现代社会的众智现象规模更大、联系更加紧密。简单来说，“众智”是指聚集众多智能体的智慧，通过彼此之间的协商、合作，共同完成个体不能完成的任务，期望取得更好或最好的效果。随着大数据、人工智能的发展，物理空间中的自然人、企业、政府、智能设备的智能水平不断提升，众智现象更加广泛而复杂。
互联网 Web2.0 将社会网和互联网相结合，通过网络应用促进了网络群体之间的交互与协作，并且进一步提升了人们对于信息服务的要求，人们的日常生活开始变得数据化，生存环境也开始从线下向线上转移。在网络环境的支撑下，逐步呈现出万物互联的网络化众智型经济社会形态。众智网络在人类生活中的有很多种体现方式，例如各类电子商务平台、网络操作下的供应链、百度百科等。这种将物理空间、意识空间与信息空间三元深度融合为特征的众智网络系统，体现了现代服务业及未来经济社会的主要形态，标志着人们进入众智网络时代，也成为研究众智现象的主要框架[2]。物理空间的自然人、企业、政府部门等机构、各类智能装备与物品等，随着大数据等职能技术的普及，从中不断学习，智能水平不断提高，研究人员将物理空间这些人、企业、机构和物品称为智能数体。万物互联的网络化众智型经济社会形态如图 1-1 所示。
1.2  本文主要研究内容
本文研究内容属于国家重点研发课题（原 973 计划，2017YFB1400105）——众智网络理论仿真与实验平台研发，以众智科学作为研究背景，设计了一种智能矢量的表达、比较与运算方法，对智能数体的传播行为进行界定，提出了一种多源信息传播网络的不动点——信息强度和，对信息传播网络稳定性进行表征，搭建了基于智能数体的仿真推进模型，设计了扰动注入机制，并搭建了众智网络仿真平台，仿真多源信息传播环境下系统的状态变化，即仿真不动点的形成过程，用于证明信息强度和作为网络稳定性的表征的正确性。
本文主要实现以下五个研究目标：
（1）给出智能矢量的定义，并提出智能矢量的表达、比较与运算方法，用于对智能数体的传播行为进行界定。
（2）分析当前常见的以信息传播模型为基础的信息传播系统稳定性研究方法，针对其研究短板进行分析，提出一种多源信息传播环境下的不动点——信息强度和，将其作为信息传播网络稳定性表征。
（3）对众智网络进行仿真建模，设计仿真成员模型、仿真推进模型，为信息的传播过程设计了扰动注入机制。
（4）搭建不动点仿真系统，设计并实现仿真成员生成工具包。
（5）设计不动点仿真实例，证明本文所提出的不动点可以作为网络稳定性表征。

2 不动点理论及研究方法

2.1 不动点理论分析
众智网络的智能数体之间的连接具有偶然性和不确定性，在多源信息传播的环境下，智能数体间的关联结构及行为使众智网络处于一个稳态与动荡交替出现的状态，稳定状态下的系统会保持在周期性的稳定轨迹中。当某个信息传播的持续时间超出正常的时间范围或者受到“网络水军”干扰的情况下，系统的状态则会发生变化，如果系统本身是稳定的，且干扰引发的动荡强度不高，那么随着时间的推移，系统的各个参数会恢复到稳定状态，从一个不动点跳转至另一不动点；如果系统已经处于不稳定状态，那么即使外部扰动很微弱，系统的参数也会发生变化，即使扰动消失后，系统也不能回到稳定轨迹中，开始处于动荡的状态。此时系统内极有可能出现“涌现”现象。英国哲学家 G. H. Lewes 在 1877 年第一次对涌现进行了描述[10]：涌现来自于各个组成部分，但在形式上并不显示出各个成分所起的作用，通常来说，涌现指一个系统中个体间的简单互动行为所造成的无法预知的复杂样态的现象，它代表了非加和性（即整体大于部分之和）、非线性、不可预测性以及不可还原性。根据上述特征对众智网络的信息传播进行分析，得到多源信息传播中的涌现特征如下所示：
（1）大量转发使某类信息的传播呈爆炸式增长。
（2）群众对于某类信息的言论一致性过大。
（3）某类信息的传播持续时间过长。
涌现的出现可能会引起系统的崩溃，因此，找到涌现与稳定状态切换的边界值，对涌现进行控制，保持系统的稳定性至关重要。当前，国内外诸多学者和专家都选择采用不动点方法研究复杂系统的稳定性，关于复杂系统不动点以及信息传播稳定的研究成果颇丰。

2.2 信息传播系统不动点研究方法
2.2.1  信息传播模型研究
由于数学模型具有高度抽象性、逻辑性严密、描述可直观表达的特点，因此网4络中信息传播的稳定性分析最初大多采用搭建模型的方式进行。对于信息的传播问题的研究，最初主要是为了解决谣言的传播与控制问题。1927 年，Kermack 和McK endrick 首次提出了传染病动力学模型——SIR(Susceptible Infected Removed)模型[13]，将总人群分为易感者(S)、感染者(I)、移出者(R)三类。1965 年，Dalay 和 Kendall提出了谣言传播模型，即 DK 模型[14]。DK 模型通过随机过程对谣言的传播机理进行分析，根据谣言的传播效果将人群划分为易感人群、已感人群和免疫人群 3 类，并且假设这 3 类人群之间可以通过某种概率分布进行转换，这点与 SIR 信息传播模型非常相似。1973 年，Maki 和 Thompson[15]在 DK 模型的基础上对传播机制进行了修改，提出了谣言的传播是通过传播者与其他接收者的双向接触来完成传播的，并得到了著名的 Maki-Thompson 谣言传播模型。2001 年，Zanette 等人[16]首次将谣言传播理论应用于复杂网络，并建立了以小世界网络中的谣言传播为例的谣言传播模型。
信息传播与传染病传播在传播的机理上有很多的相似之处，因此近年来，复杂网络的信息传播的稳定性分析多依赖于传染病传播模型，研究人员主要以，提出了SEIR、SHIR 等多种信息传播模型，对网络总中的节点行为、节点关系进行分析，以仿真的方式得到结果[17-21]。
上述几类模型主要从宏观的角度出发，对信息的传播趋势进行建模，但是没有考虑到个体自身因素、信息因素、社交环境因素等其他原因对于信息传播的影响，因此没有全面的刻画信息传播的真实过程，具有片面性。为解决上述问题，科研工作者们从其他方面入手，对于信息传播做了进一步的研究，例如分析信息的性质对于信息传播的影响，在此基础上改进了 SIR 模型，提出了 SICR 模型，通过增加谣言反击状态节点来描述信息的演化过程[22]；或者从网络结构的角度出发，将社区结构与个人利益作为研究方面，并引入时间衰减因素来搭建信息传播模型[23]；刘衍衍等人[24]则将重点放在人际网络关系对于信息传播的影响，通过研究社交网络的拓扑结构，将其抽象为有向加权图，以此表现信息传播的方向性特征；曹玖新[25]等人从信息间的竞争关系进行分析，建立了基于竞争的线性阈值扩展模型，从而研究信息传播的影响力最大化。 

3  众智网络不动点仿真系统分析与设计....................... 17
3.1  众智网络不动点仿真的特点 .................................... 17
3.2  现有大规模仿真软件相关研究..................................... 17
3.3  众智网络不动点仿真架构 .................................... 20
4  不动点仿真系统实现 .................................... 39
4.1  不动点仿真系统设计 ..................................... 39
4.1.1  体系架构 ....................................... 39
4.1.2  功能架构 ........................................ 40 
5 不动点仿真实例 ................................... 53
5.1 不动点仿真成员关系结构 ............................ 53
5.2 遗忘因子对系统稳定性的影响............................ 53
5.3 随机投放对系统稳定性的影响..................................... 54

5 不动点仿真实例

5.1 不动点仿真成员关系结构
不动点仿真实例的成员关系结构中主要包含四类仿真成员：一是一定数量的传播媒体或网络推手（集合型成员），二是大量的个体成员表示社会人群（原子型成员），三是一定数量的规则监控者（监控者成员），四是对成员行为产生一定影响的建议者（建议者成员）。其关系结构如图 5-1 所示。

参与仿真的任何一个原子型众智单元，不仅可以作为一个普通的众智单元，还可以具有监控者众智单元、建议者众智单元、集合型众智单元中的一员等诸多身份。
本次仿真共包括 1000 个仿真成员，其中有 100 个仿真成员组成了 10 组集合型成员，用于传播初始信息，初始信息为来自 15 个领域的 4000 条信息，通过在仿真中添加扰动注入机制，分别获得随机投放与扰动投放的仿真结果，从而对不动点的稳定性变化进行比较，验证本文所提出的理论的正确性。

6 总结与展望

本文结合国家重点研发计划（原 973 计划，2017YFB1400105）课题“众智网络理论仿真与实验平台研发”，针对多源信息传播环境下的系统稳定性问题，仿真了系统稳定性的变化趋势，本文的主要工作和取得的成果有：
1、 定义了智能矢量（包括信息矢量与偏好矢量），对智能进行表达、比较与运算，进而决定智能数体的信息传播行为，为多源信息的综合作用机理提供了抽象的表达与推理方式，有效的解释了非理性成员在信息传播过程当中的作用机理。
2、 提出了多源信息传播网络的不动点——信息强度和，将其作为该网络系统的稳定性表征，用于直观反映整个网络的稳定性变化过程，为信息传播网络的有效监管提供了依据。
3、 搭建了基于智能数体的多源信息传播仿真推进模型，用于模拟现实世界的多源信息传播现象，并提出了基于集合型众智单元的扰动注入机制，模拟“网络推手”的信息操控行为，用以分析外部环境对于多源信息传播网络稳定性的影响，为舆情传播的溯源提供了有效手段。
4、 搭建了不动点仿真系统，设计了具体的仿真实例，验证了信息强度和可以作为信息传播网络稳定性的表征。
众智网络不动点理论与仿真系统已得到初步实现，但仍存在以下问题尚待完善：由于疫情期间的条件限制，系统仿真只实现了单机运行状态，未实现多机协同运行，因此实验中所使用的仿真成员的数量以及信息传播的数量未达到百万、千万级规模，并且仿真时间也小于现实世界的实际演化时间，实验的结果存在片面性，不能完全反应真实世界的传播情况，仿真系统仍需完善，后期实现多机器协同运行，成员规模及信息规模则会有所增长。
参考文献（略）