1 Введение 2
2 Постановка задачи 4
3 Обзор литературы 6
4 Основная часть 7
4.1 Кооперативная ситуация в случае программных стратегий 9
4.2 Кооперативная ситуация в случае позиционных стратегий 10
4.3 Распределение кооперативного выигрыша 12
4.4 Построение характеристической функции в случае программных стратегий 15
4.5 Построение характеристической функции в случае позиционных стратегий 17
4.6 Оценка уровней доверия 19
4.7 Университетский клуб карате 21
5 Выводы 23
6 Заключение 24
7 Список литературы 25
8 Приложение 27
8.1 Приложение А. Графики 27
8.2 Приложение Б. Программный код 31
Математическое моделирование социальных взаимодействий — сложная и важная задача для современного общества. Имеется огромный пласт информации, доступной для анализа и существует необходимость в разработке моделей для описания подобных процессов. В данной работе рассмотрена задача управления мнениями агентов некоторой социальной структуры при помощи центров влияния. Данная модель является теоретико-игровой, то есть она включает в себя несколько игроков с различными целевыми. Ранее подобные модели уже существовали, но не все они рассматривали конфликтную постановку данной задачи.
При применении данных результатов в реальных задачах в качестве центров влияния может быть рассмотрены любые источники информации — СМИ, новостные порталы, в случае если масштаб задачи меньше (например исследуется замкнутая группа людей, слабо контактирующая с внешним миром), то центром влияния может выступить авторитетный человек, поставивший цель управлять мнением остальных людей. Конфликтный характер модели позволяет исследовать ситуации, когда одной из сторон не доступны все средства информации, и более того, есть другая сторона с конфликтующими целями. Также в этой задаче рассмотрен вариант кооперации, применимый как для просчитывания выигрышей в случае кооперативного управления мнениями агентов, так и для решения оптимизационной задачи, когда один игрок имеет несколько центров влияния, и ему необходимо построить оптимальное управление.
Рассматривается некоторая динамическая система из мнений агентов, управляемая мнениями центров влияния. Далее строится траектория мнений всех агентов с дискретным временем и конструируется целевая функция потерь, зависящая от отклонений мнений агентов от целевого и штрафов за затраченное управление на каждом шаге. Игроки ставят задачу минимизации целевой функции, путем выбора управления в каждый момент времени. Рассмотрены два класса стратегий — программные, которые не зависят от текущего состояния системы и позиционные, зависящие от состояния системы в каждый момент времени. Также предложен способ вычисления параметров доверия агентов друг другу и центрам влияния по графу социальных взаимодействий, основанный на мере центральности вершин графа, в случае если отсутствует информация об уровнях доверия из других источников.
В приложении представлены результаты моделирования известной задачи про университетский клуб карате, часто используемой в задачах моделирования социальных взаимодействий. Также в приложении есть программный код, написанный для среды Matlab, позволяющий вычислять равновесные стратегии, оптимальное управление для одного игрока, а также вектор Ше- пли для заданной игры.
В результате данной работы было проведено исследование кооперативной задачи управления в модели динамики мнений. Были получены формулы для вычисления равновесий в одном классе позиционных стратегий и в классе программных стратегий, как для кооперативного случая, так и для некооперативного. Была построена характеристическая функция согласно у-принципу, по которой вычисляется вектор Шепли. Также была написана программа, позволяющая вычислить равновесные стратегии и было проведено моделирование. Также в данной работе предложен метод построения параметров модели по графу социальных взаимодействий.
1. Болтянский В. Г. Оптимальное управление дискретными системами, М: Наука, 1973.
2. Acemoglu D., Ozdaglar A. Opinion dynamics and learning in social networks // Dynamic Games and Applications. 2011. Vol. 1. No. 1. PP. 3-49.
3. Barabanov I. N., Korgin N. A., Novikov D. A., Chkhartishvili A. G. Dynamic models of informational control in social networks // Automation and Remote Control. 2010. Vol. 71. No. 11. PP. 2417-2426.
4. Basar T., Olsder G. J. Dynamic Noncooperative Game Theory, 2nd edition. USA: Academic Press, 1999.
5. Bauso D., Cannon M. Consensus in opinion dynamics as a repeated game // Automatica. 2018. Vol. 90. PP. 204-211.
6. Bindel D., Kleinberg J., Oren S. How bad is forming your own opinion? // Games and Economic Behavior. 2015. Vol. 92. PP. 248-265.
7. Buechel B., Hellmann T., Klofiner S. Opinion dynamics and wisdom under conformity // Journal of Economic Dynamics and Control. 2015. Vol. 52. PP. 240-257.
8. Bure V., Parilina E., Sedakov A. Consensus in social networks with heterogeneous agents and two centers of influence. Stability and Control Processes in Memory of V. I. Zubov (SCP), 2015 International Conference. 2015. PP. 233236.
9. Bure V., Parilina E., Sedakov A. Consensus in a social network with two principals // Automation and Remote Control. 2017. Vol. 78. No. 8. PP. 14891499.
10. Chander P., Tulkens H. A core of an economy with multilateral environmental externalities // International Journal of Game Theory. 1997. Vol. 26. PP. 379401.
11. DeGroot M. H. Reaching a Consensus // Journal of the American Statistical Association. 1974. Vol. 69. No. 345. PP. 118-121.
12. Etesami S. R., Basar T. Game-theoretic analysis of the Hegselmann-Krause model for opinion dynamics in finite dimensions // IEEE Transactions on Automatic Control. 2015. Vol. 60. No. 7. PP. 1886-1897.
13. Freeman L. C. Centrality in Social Networks Conceptual Clarification // Social Networks. 1978. Vol. 1. No. 3. PP. 215-239.
14. Friedkin N.E., Johnsen E. C. Social influence and opinions // Journal of Mathematical Sociology. 1990. Vol. 15. No. 3-4. PP. 193-206.
15. Ghaderi J., Srikant R. Opinion dynamics in social networks with stubborn agents: Equilibrium and convergence rate // Automatica. 2014. Vol. 50. No. 12. PP. 3209-3215.
...