基于元胞自动机的舆情演化模型仿真

基于元胞自动机的舆情演化模型仿真

【摘要】舆情演化分析是研究具有一定网络结构、小社会的演化趋势的重要方法，本文考虑个体的观点以及相邻个体态度对其的影响程度建立了基于元胞自动机的舆情演化模型。根据个体与个体之间影响程度即邻居半径的不同，提出了元胞坚定系数的概念，即每个元胞在邻居影响下态度的易变程度。用元胞在时刻时，邻居元胞情绪指数以及元胞自身的坚定系数来确定元胞时刻的状态。在二维元胞空间中研究舆情的传播规律，进行相应的计算机仿真，得到了较好的仿真结果。

【关键词】元胞自动机；情绪指数；坚定系数；计算机仿真

0.引言

随着互联网的发展，网络媒体被公认为是继报纸、广播、电视之后的第四媒体。2012年7月19日，中国互联网络信息中心（cnnic）在京发布《第30次中国互联网络发展状况统计报告》。《报告》显示，截至2012年6月底，中国网民数量达到5.38亿，增长速度更加趋于平稳，互联网普及率为39.9%。而舆情预警、舆情控制一直是我国政府关注的重要领域。因此有关网络舆情安全性的研究成为当前一个热点。

所谓网络舆情，是指由于各种事件的刺激而产生的通过互联网传播的人们对于该事件的所有认知、态度、情感和行为倾向的集合[1]。网民对某一事件所持有的认知、态度、情感和行为倾向的变化过程，实际上就是网络舆情的演化过程。如何有效地利用网络对

元胞自动机(CA)代码及应用

元胞自动机(CA)代码及应用 引言 元胞自动机（CA）是一种用来仿真局部规则和局部联系的方法。典型的元胞自动机是定义在网格上的，每一个点上的网格代表一个元胞与一种有限的状态。变化规则适用于每一个元胞并且同时进行。典型的变化规则，决定于元胞的状态，以及其（4或8 ）邻居的状态。元胞自动机已被应用于物理模拟，生物模拟等领域。本文就一些有趣的规则，考虑如何编写有效的MATLAB的程序来实现这些元胞自动机。 MATLAB的编程考虑 元胞自动机需要考虑到下列因素，下面分别说明如何用MATLAB实现这些部分。并以Conway的生命游戏机的程序为例，说明怎样实现一个元胞自动机。 ●矩阵和图像可以相互转化，所以矩阵的显示是可以真接实现的。如果矩阵 cells的所有元素只包含两种状态且矩阵Z含有零，那么用image函数来显示cat命令建的RGB图像，并且能够返回句柄。 imh = image(cat(3,cells,z,z)); set(imh, 'erasemode', 'none') axis equal axis tight ●矩阵和图像可以相互转化，所以初始条件可以是矩阵，也可以是图形。以下 代码生成一个零矩阵，初始化元胞状态为零，然后使得中心十字形的元胞状态= 1。 z = zeros(n,n); cells = z; cells(n/2,.25*n:.75*n) = 1; cells(.25*n:.75*n,n/2) = 1; ●Matlab的代码应尽量简洁以减小运算量。以下程序计算了最近邻居总和，并 按照CA规则进行了计算。本段Matlab代码非常灵活的表示了相邻邻居。 x = 2:n-1; y = 2:n-1; sum(x,y) = cells(x,y-1) + cells(x,y+1) + ... cells(x-1, y) + cells(x+1,y) + ... cells(x-1,y-1) + cells(x-1,y+1) + ... cells(x+1,y-1) + cells(x+1,y+1); cells = (sum==3) | (sum==2 & cells); ●加入一个简单的图形用户界面是很容易的。在下面这个例子中，应用了三个 按钮和一个文本框。三个按钮，作用分别是运行，停止，程序退出按钮。文框是用来显示的仿真运算的次数。 %build the GUI %define the plot button plotbutton=uicontrol('style','pushbutton',...

舆论的传播

对立舆论的传播模型 理学院信科08-2班黄渝添3080942116 贾贞 摘要: 人际关系网络是舆论人际传播的载体，利用BA无标度网络模型构建人际关系网络拓扑，通过设计个体的局部相互作用规则，引入个体因素和外界媒体影响，构建两种对立舆论的自由传播.再构建了舆论和网络结构相互影响的自适22应舆论演化模型,构件两种对立舆论的竞争传播.通过对立舆论的自由传播和对立传播能更好的建立模型模拟对立舆论的传播. 关键词: BA无标度网络.舆论演化,自由传播.竞争传播. 1．引言 舆论是指社会公众意见的集合。社会舆论是社会行为的基础，能加速或阻碍社会问题的解决。社会是一个开放的复杂系统，舆论是这个系统固有的特征，娱乐年的传播呈现纷繁复杂的形式，成为社会系统典型的复杂问题，信息时代，产每舆论的地位于作用日益突出，深刻影响着国际社会的政治，经济，科技和文化等各个领域。研究舆论在社会中传播的性质规律等，进而研究如何控制，引导舆论，具有非常重要的理论价值与现实意义。 舆论的传播 传统的数学模型往往用一组确定性的微分方程描述传播行为，一个基本假设是把社会中人与人的关系看成规则网络,近年来，复杂系统理论研究提供了一种崭新的超越还原论思想的建模方法：为系统设定一些规则，让系统在一定的环境下自发的演化，然后考察系统演化过程中涌现出来的若干性质。这种用基于局部个体空间相互作用的微观离散动力学模型代替宏观的整体模型的方法，成为研究复杂系统整体行为的非常有效的手段，已经在计算机病毒传播、传染病传播、危机传播研究中取得了不少成果。 舆论的演化 比较著名的舆论动力学模型有 1.S模型：描写两个具有想同舆论的个体说服其邻居也采取相同的舆 论； 2.D模型，随机选择一个和他们合作者，彼此调整自己的舆论一趋于某 共同的舆论； 3.KH模型，将舆论相近的个体分为若干个小集团，然后将每一个小集 团的平均舆论作为其下一时刻的舆论进一步研究。 舆论动力学模型的舆论演化机制可分为两类(1)在彼此熟悉的个体构成的网络中,每个个体的信念建立在他们邻居舆论的基础上;(2)构建网络的许多小集团以信念相同来划分,而不问彼此的熟悉与否,为了更能真实地反映现实Holme和Newman 在2006年提出一种新的模型，其演化机理就是综合演化机理。 近年来将动力学行为与复杂网络结合起来成为一种新的趋势，主要精髓就是用复杂网络模拟社会动力学行为。后面有人研究了在规则网络，小世界网络上的舆论演化，但是也有少数的利用BA无标度网络来研究它，如无标度网络的不可

基于传播模型的舆情演化研究

龙源期刊网 https://www.wendangku.net/doc/779373583.html, 基于传播模型的舆情演化研究 作者：曹宁吴菊华陈晓璇 来源：《科技传播》2018年第04期 摘要在信息快速发展的时代，舆情反转事件频频出现，对舆情演化过程的研究是当前的研究热点。文章对国内外关于舆情传播模型的相关文献进行梳理，从整体网络和用户两个角度对现有文献进行了综述，一方面探讨了网络结构对舆情传播范围和周期的影响，一方面分析了影响用户传播的影响因素，供舆情研究和信息传播领域的学者进一步研究和探讨。 关键词网络舆情；信息传播；舆情演化；传播模型 中图分类号 G2 文献标识码 A 文章编号 1674-6708（2018）205-0052-02 2016年以来，网络上出现了“上海女逃离江西农村”，接着是“哈尔滨天价鱼事件”，然后是“右肾丢失”等热门话题。舆情反转现象接连上演，已成为网民普遍关注和讨论的热点话题。舆情反转事件受到学术界越来越大的关注，研究舆情演反转事件传播过程的关键在于找到相关的“反转点”，更进一步研究舆情演化过程。在宏观方面，立足于从整体网络分析，舆情发展过程中网络大环境的变化，研究的重点在于预测舆情的传播范围和传播周期，在微观方面，从用户的角度出发，分析影响用户传播的因素，关注个体传播行为。 1 舆情传播模型研究现状 我们从整体网络和用户两个角度整理信息传播模型的研究进展，分析舆情传播模型的研究现状。从整体网络的角度，关于信息传播的网络结构的分析，舆情传播模型分为社会影响力模型和传染病模型。从用户角度，基于用户过往行为、用户文本兴趣、所受群体影响的因素，舆情传播模型分为有限信任模型、主题模型等。 1.1 基于整体网络的信息传播模型 关于社会影响力模型的相关研究。Galuba et al在线性阈值模型的基础上提出At-LeastOne （ALO）模型，可以用于个性化URL推荐[ 1 ]。Tripathy et al提出了多尝试独立级模型（MutiTry Independent Cascade，MTIC）对抗社交网络的谣言[2]。 基于传染病模型的相关研究。林芹，郭东强基于个体的心理特征对模型中的传播个体进行分类，考虑个体的沉浸体验，情感距离和对信息风险的感知程度[3]。黄远等提出集社交、信息、心理、观点四层子场为一体的微博舆论场超网络模型，对加入舆论场的新个体态度进行预测[4]。吴尤可以SI模型为基础提出微信舆情控制模型，一定数量的免疫节点（智者）来抑制、减缓舆论传播的扩散速度及范围[5]。

基于元胞自动机模型的城市历史文化街区的仿真

文章编号: 1673 9965(2009)01 079 05 基于元胞自动机模型的城市历史文化街区的仿真* 杨大伟1,2,黄薇3,段汉明4 (1.西安工业大学建筑工程系,西安710032;2.西安建筑科技大学建筑学院,西安710055; 3.陕西师范大学历史文化学院,西安710061; 4.西北大学城市与资源学系,西安710069) 摘 要: 为了探讨当前城市规划中远期预测的科学性和准确性问题,将自组织理论与元胞自动机模型结合,在一定的时空区域,构建了一个城市增长仿真模型.将元胞自动机模型应用于西安市最具历史文化特色的区域中,形成自下而上的规划模型.元胞自动机模型对于西安回民区的空间发展城市历史文化特色街区的模拟具有一定的原真性和时效性,在时空中能反应当前的空间格局.元胞自动机在城市规划的预测中具有图式与范式结合的特点,在中长期的预测中形成符合城市规划发展战略的空间格局. 关键词: 元胞自动机;自组织;历史文化特色街区;空间演化 中图号: T U984 文献标志码: A 自组织理论是当前城市复杂性研究的主要研究方向之一.自组织是相对他组织而言,即自我、本身自主地组织化、有机化,意味着一种自动的、自发性的行为,一种自下而上、由内至外的发展方式.其主要涵义可以简单概括:在大多数情况下,作用于系统的外部力量并不能直接对系统的行为产生作用,而是作为一种诱因,即引入序参量引发系统内部发生相变,系统通过这一系列的变化自发地组织起来,最终大量微观个体的随机过程表现出宏观有序的现象[1]. 20世纪40年代U lam提出元胞自动机模型(Cellular Autom at o n M odel,CA),V on N eu m ann将其用于研究自复制系统的逻辑特性,且很快用于研究自组织系统的演变过程,其中对城市系统自组织过程的模拟是焦点问题[2 9]. CA是定义在一个具有离散状态的单元(细胞)组成的离散空间上,按一定的局部规则在离散时间维演化的动力学系统.一个CA模型通常包括单元、状态、邻近范围和转换规则4要素[9],单元是其最小单位,而状态则是单元的主要属性.根据转换规则,单元可以从一个状态转换为另外一个状态,转换规则通过多重控制函数来实现. 自组织理论的提出,对于解释相对封闭,具有自身演化规律的复杂适应系统中的复杂现象和问题具有重要意义和应用前景.而CA 自下而上的研究思路,强大的复杂计算功能、固有的并行计算能力、高度动态特征以及具有空间概念等特征,使其在模拟空间复杂系统的时空演变方面具有很强的能力,在城市学研究中具有天然优势[9 15].本文将自组织理论引入CA模型,并将该模型首次应用于西安回民区这一复杂的相对独立的历史街区中,就是为了得出其在自组织的作用下,未来20年空间发展的变化模型,为城市规划的制定做出科学的预测.下面对西安回民区做一简单介绍. 西安回民区位于西安旧城中心的中西地段,东接西安历史文化遗产钟楼和北大街,西接洒金桥,南到西大街,北到莲湖路,面积约为93.4公顷,人口约为77600人,在此居住的居民中有43.6%以 第29卷第1期 西 安 工 业 大 学 学 报 V o l.29No.1 2009年02月 Jo urnal o f Xi!an T echnolo g ical U niver sity Feb.2009 *收稿日期:2008 06 04 基金资助:国家自然科学基金(50678149) 作者简介:杨大伟(1981 ),男,西安工业大学助教,西安建筑科技大学博士研究生,主要研究方向为城市空间复杂性. E mail:yangdaw ei@https://www.wendangku.net/doc/779373583.html,.

CA元胞自动机优化模型原代码

CA优化模型原代码: M=load(‘d:\ca\jlwm’) N=load(‘d:\ca\jlwn.asc’) lindishy=load(‘d:\ca\ldfj3.asc’) caodishy=load(‘d:\ca\cdfj3.asc’) gengdishy=load(‘d:\ca\htfj3.asc’) [m,n]=size(M); Xr=[1 1 -1 1 1 1 -1 -1 1 1;1 1 1 1 -1 -1 1 1 1 -1;-1 1 1 1 -1 -1 -1 1 -1 -1;1 1 1 1 1 1 -1 1 1 I; l -1 -1 1 1 -1 -1 -1 1 1;1 -1 -1 1 -1 1 -1 1 -1 -1;-1 1 -1 -1 -1 -1 1 -1 -1 -1;-1 1 1 1 -1 1 -1 1 -1 -1;1 1 -1 1 1 -1 -1 -1 1 1;1 -1 -1 1 1 -1 -1 -1 1 1]; caodi=0;lindi=0;gengdi=0; for i=1:m forj=l:n if M(i,j)==4 caodi=caodi+1; elseif M(i,j)==3 lindi=lindi+1; elseif M(i,j)==2 gengdi=gengdi+1; end end end for i=1:m for j=1:n if M(i,j)==4 if lindishy(i,j)>gengdishy(i,j) if lindishy(i,j)>caodishy(i,j) z=0; for P=max(1,i-1):min(i+1,m) for q=max(j-1,1):min(j+1,n) if (M(p,q)~=0)&&xr(M(p,q),3)==-1 z=1; end end end if z== 0 caodi=eaodi-1; M(i,j)=3; lindi=lindi+1; end elseif lindishy(i,j)==caodishy(i,j) caoditemp=0; linditemp=0; gengditemp=0;

交通流元胞自动机模型综述

第23卷　第1期2006年1月 公　路　交　通　科　技 Journal of Highway and Transportation Research and Development Vol .23　No .1 Jan .2006 文章编号:1002-0268(2006)01-0110-05 收稿日期:2004-09-27 作者简介:郑英力(1971-),女,福建宁德人,讲师,研究方向为交通控制与仿真.(z hengyl71@s ina .com ) 交通流元胞自动机模型综述 郑英力,翟润平,马社强 (中国人民公安大学　交通管理工程系,北京　102623) 摘要:随着交通流模拟的需要及智能交通系统的发展,出现了基于元胞自动机理论的交通流模型。交通流元胞自动机模型由一系列车辆运动应遵守的运动规则和交通规则组成,并且包含驾驶行为、外界干扰等随机变化规则。文章介绍了交通流元胞自动机模型的产生与发展,总结和评述了国内外各种元胞自动机模型,并对元胞自动机模型的发展提出展望。 关键词:元胞自动机;交通流;微观模拟;模型中图分类号:U491.1+23 文献标识码:A Survey of Cellular Automata Model of Traffic Flow ZH ENG Ying -li ,ZH AI Run -p ing ,MA She -q iang (Department of Traffic Management Engineering ,Chinese People 's Public Security University ,Beijing 102623,China )Abstract :With the increas ing demand of traffic flow si mulation and the development of ITS research ,the traffic flow model based on cellular automata has been developed .Cellular automata model of traffic flow incorporates a series of vehicle movement rules and traffic regulations .Meanwhile ,the model works under some stochastic rules takin g into consideration of drivers 'behaviors and ambient interfer -ences .This paper introduces the establishment and development of cellular automata model of traffic flow ,su mmarizes and comments on different kinds of typical cellular automata models of traffic flow ,and furthermore ,presents a new perspective for further stud y of the model . Key words :Cellular automata ;Traffic flow ;Microscopic simulation ;Model 0　引言 交通流理论是运用物理学和数学定律来描述交通特性的理论。经典的交通流模型主要有概率统计模 型、车辆跟驰模型、流体动力学模型、车辆排队模型等 [1] 。20世纪90年代,随着交通流模拟的需要及智 能交通系统的发展,人们开始尝试将物理学中的元胞自动机(Cellular Automata ,简称CA )理论应用到交通领域,出现了交通流元胞自动机模型。 交通流C A 模型的主要优点是:(1)模型简单,特别易于在计算机上实现。在建立模型时,将路段分 为若干个长度为L 的元胞,一个元胞对应一辆或几辆汽车,或是几个元胞对应一辆汽车,每个元胞的状态或空或是其容纳车辆的速度,每辆车都同时按照所建立的规则运动。这些规则由车辆运动应遵守的运动规则和交通规则组成,并且包含驾驶行为、外界干扰等随机变化规则。(2)能够再现各种复杂的交通现象,反映交通流特性。在模拟过程中人们通过考察元胞状态的变化,不仅可以得到每一辆车在任意时刻的速度、位移以及车头时距等参数,描述交通流的微观特性,还可以得到平均速度、密度、流量等参数,呈现交通流的宏观特性。

元胞自动机与Matlab

元胞自动机与MATLAB 引言 元胞自动机（CA）是一种用来仿真局部规则和局部联系的方法。典型的元胞自动机是定义在网格上的，每一个点上的网格代表一个元胞与一种有限的状态。变化规则适用于每一个元胞并且同时进行。典型的变化规则，决定于元胞的状态，以及其（4或8 ）邻居的状态。元胞自动机已被应用于物理模拟，生物模拟等领域。本文就一些有趣的规则，考虑如何编写有效的MATLAB的程序来实现这些元胞自动机。 MATLAB的编程考虑 元胞自动机需要考虑到下列因素，下面分别说明如何用MATLAB实现这些部分。并以Conway的生命游戏机的程序为例，说明怎样实现一个元胞自动机。 ●矩阵和图像可以相互转化，所以矩阵的显示是可以真接实现的。如果矩阵 cells的所有元素只包含两种状态且矩阵Z含有零，那么用image函数来显示cat命令建的RGB图像，并且能够返回句柄。 imh = image(cat(3,cells,z,z)); set(imh, 'erasemode', 'none') axis equal axis tight ●矩阵和图像可以相互转化，所以初始条件可以是矩阵，也可以是图形。以下 代码生成一个零矩阵，初始化元胞状态为零，然后使得中心十字形的元胞状态= 1。 z = zeros(n,n); cells = z; cells(n/2,.25*n:.75*n) = 1; cells(.25*n:.75*n,n/2) = 1; ●Matlab的代码应尽量简洁以减小运算量。以下程序计算了最近邻居总和，并 按照CA规则进行了计算。本段Matlab代码非常灵活的表示了相邻邻居。 x = 2:n-1; y = 2:n-1; sum(x,y) = cells(x,y-1) + cells(x,y+1) + ... cells(x-1, y) + cells(x+1,y) + ... cells(x-1,y-1) + cells(x-1,y+1) + ... cells(x+1,y-1) + cells(x+1,y+1); cells = (sum==3) | (sum==2 & cells); ●加入一个简单的图形用户界面是很容易的。在下面这个例子中，应用了三个 按钮和一个文本框。三个按钮，作用分别是运行，停止，程序退出按钮。文框是用来显示的仿真运算的次数。

元胞自动机NaSch模型及其MATLAB代码

元胞自动机N a S c h模型 及其M A T L A B代码 This manuscript was revised by the office on December 22, 2012

元胞自动机N a S c h模型及其M A T L A B代码 作业要求 根据前面的介绍，对NaSch模型编程并进行数值模拟： 模型参数取值：Lroad=1000，p=0.3，Vmax=5。 边界条件：周期性边界。 数据统计：扔掉前50000个时间步，对后50000个时间步进行统计,需给出的结果。 基本图（流量-密度关系）：需整个密度范围内的。 时空图（横坐标为空间，纵坐标为时间，密度和文献中时空图保持一致,画500个时间步即可）。 指出NaSch模型的创新之处，找出NaSch模型的不足，并给出自己的改进思路。 流量计算方法： 密度＝车辆数/路长； 流量flux=density×V_ave。 在道路的某处设置虚拟探测计算统计时间T内通过的车辆数N； 流量flux=N/T。 在计算过程中可都使用无量纲的变量。 1、NaSch模型的介绍 作为对184号规则的推广，Nagel和Schreckberg在1992年提出了一个模拟车辆交通的元胞自动机模型，即NaSch模型（也有人称它为NaSch模型）。 时间、空间和车辆速度都被整数离散化。道路被划分为等距离的离散的格子，即元胞。 每个元胞或者是空的，或者被一辆车所占据。 车辆的速度可以在（0～Vmax）之间取值。 2、NaSch模型运行规则 在时刻t到时刻t+1的过程中按照下面的规则进行更新： （1）加速：vnmin(vn1,vmax) 规则（1）反映了司机倾向于以尽可能大的速度行驶的特点。 （2）减速：vnmin(vn,dn) 规则(2)确保车辆不会与前车发生碰撞。 （3）随机慢化：以随机概率p进行慢化，令：vnmin(vn-1,0) 规则(3)引入随机慢化来体现驾驶员的行为差异，这样既可以反映随机加速行为，又可以反映减速过程中的过度反应行为。这一规则也是堵塞自发产生的至关重要因素。 （4）位置更新：vnxnvn，车辆按照更新后的速度向前运动。其中vn，xn分别表示第n辆车位置和速度；l（l≥1）为车辆长度； p表示随机慢化概率；dnxn1xn1表示n车和前车n+1之间空的元胞数； vmax为最大速度。 3、NaSch模型实例

元胞自动机参考文献

[1] Zhou W H, Lee J, Li G L, et al. Embedding Game of Life into a Simple Asynchronous Cellular Automaton[C]. Computing and Networking (CANDAR), 2014 Second International Symposium on IEEE, 2014: 503-506. [2]Tian J, Treiber M, Zhu C, et al. Cellular Automaton Model with Non-hypothetical Congested Steady State Reproducing the Three-Phase Traffic Flow Theory[M]. Cellular Automata. Springer International Publishing, 2014: 610-619. [3]Delivorias S, Hatzikirou H, Penaloza R, et al. Detecting Emergent Phenomena in Cellular Automata Using Temporal Description Logics[M]. Cellular Automata. Springer International Publishing, 2014: 357-366. [4] D'Ariano G M, Mosco N, Perinotti P, et al. Path-integral solution of the one-dimensional Dirac quantum cellular automaton[J]. Physics Letters A, 2014, 378(43): 3165-3168. [5] Bisio A, D’Ariano G M, Tosini A. Quantum field as a quantum cellular automaton: The Dirac free evolution in one dimension[J]. Annals of Physics, 2015, 354: 244-264. [6] Masuda T, Nishinari K, Schadschneider A. Cellular Automaton Approach to Arching in Two-Dimensional Granular Media[M]. Cellular Automata. Springer International Publishing, 2014: 310-319. [7] Takada K, Namiki T. on Limit Set of Two-Dimensional Two-State Linear Cellular Automaton Rules[C]. Computing and Networking (CANDAR), 2014 Second International Symposium on. IEEE, 2014: 470-475. [8] Al-Mamun M A, Srisukkham W, Fall C, et al. A cellular automaton model for hypoxia effects on tumour growth dynamics[C].Software, Knowledge, Information Management and Applications (SKIMA), 2014 8th International Conference on. IEEE, 2014: 1-8. [9] Hu M L, Sun J. Sudden change of geometric quantum discord in finite temperature reservoirs[J]. Annals of Physics, 2015, 354: 265-273. [10] Bure? M, Siegl P. Hydrogen atom in space with a compactified extra dimension and potential defined by Gauss’ law [J]. Annals of Physics, 2015, 354: 316-327. [11] Terrier V. Recognition of linear-slender context-free languages by real time one-way cellular automata[C]. AUTOMATA 2015. 2015, 9099: 251-262. [12] Fuentes M L, Klimchuk J A. Two-dimensional cellular automaton model for the evolution of active region coronal plasmas[J]. The Astrophysical Journal, 2015, 799(2): 128. [13] Tucker G E, Hobley D E J, Hutton E, et al. CellLab-CTS 2015: a Python library for continuous-time stochastic cellular automaton modeling using Landlab[J]. Geoscientific Model Development Discussions, 2015, 8: 9507-9552.

信息传播观点演化模型

信息传播观点演化模型 摘要：以微博为主的社交网络新应用的兴起与蓬勃发展，逐渐改变着人们传统 的生活习惯和社交模式。在微博中，“自媒体”用户可随时随地通过便捷的接入方 式参与在线社交，进而获取信息、交互观点、参与传播。相比于传统社会网络， 新兴的微博在线社交网络更加灵活和便捷，再加上参与主体智能化、社交网络复 杂化、影响因素多元化等影响，这使得网络舆论产生、发酵、扩散的时间大大缩短，进而增加了舆论信息传播、个体观点演化的复杂性和随机性。 关键词：网络舆论；信息传播；观点交互；微博；用户影响力分析 引言 当今信息时代，网络信息技术不断的发展和完善，微博等社交网络成为人们进行信息分享、交流意见的主要网络平台之一。与传统社交网络相比较，微博网络具有大范围、大数据、突发性强和去中心性等特点，由此产生的网络舆论的传播演化比传统舆论更复杂，传统的研 究方法和手段已无法准确的描述网络舆论的产生、传播、演化。因此，研究微博网络中信息 传播机制、演化趋势和统计特性，具有重要的实用价值和理论意义。 1模型和方法介绍 1.1基本研究方法 1、元胞自动机 元胞自动机（又称为细胞自动机、格状自动机、单元自动机，它是一种离散的动力学模型。该模型认为，分布在规则网络中的每一个元胞都处于有限的离散状态。每一个元胞在时 刻的状态由时刻的有界邻域状态所决定，且每次演进过程中，每个元胞都遵循同样的交互规则。在这样的模型框架下，大量微观元胞个体通过简单的交互进而在宏观层面呈现出动态演 化过程。 2、平均场理论 本属性。容易理解，在一个复杂系统中，各粒子之间都存在相互的作用。而平均场理论 将这些相互作用视为一个场，并且该场的场强处处相等。基于这种假设，所有系统中的任何 粒子都受到该场强的影响。平均场理论（是统计力学、凝聚态体系等复杂系统中常用的数学 近似方法。按照平均场理论的基本思想，周围环境对物体的作用被平均化以平均效果替代单 个作用效果相加），从而避免微观角度单体加和时某些统计值存在涨落的现象发生平均场理 论通过简化系统，进而保留系统的主要信息和基本属性。容易理解，在一个复杂系统中，各 粒子之间都存在相互的作用。而平均场理论将这些相互作用视为一个场，并且该场的场强处 处相等。基于这种假设，所有系统中的任何粒子都受到该场强的影响。 1.2复杂网络模型 拓扑结构复杂。网络中节点数量巨大，且节点间连接呈现出多样化特征，如无标度网络 中节点的异质性非常明显存在着远超出网络平均度水平的节点；动态演化特性。在某些动态 演化的复杂网络中如万维网、社交网络中的好友关系网络等，节点之间的可能随时建立连接 关系，也可能已有关系随时断开，从而导致网络结构不断发生变化；节点关联关系多样化。 节点之间的连接可以根据实际物理环境赋予其相应权重，同时该连接可以无向也可以有向；

元胞自动机方法及其在材料介观模拟中的应用

https://www.wendangku.net/doc/779373583.html, 1 元胞自动机方法及其在材料介观模拟中的应用 何燕，张立文，牛静 大连理工大学材料系（１１６０２３）　 E-mail ：　commat ＠https://www.wendangku.net/doc/779373583.html, 　 摘　要：元胞自动机（ＣＡ）是复杂体系的一种理想化模型，适合于处理难以用数学公式定量描 述的复杂动态物理体系问题，如材料的组织演变等。本文概述了元胞自动机方法的基本思想 及原理，介绍了ＣＡ的基本组成及特征，综述了ＣＡ方法在材料介观模拟研究中的应用。研究表 明ＣＡ法在对金属凝固结晶、再结晶、及相变现象等材料介观尺度的组织模拟中表现出特有的 优越性。　 关键词：元胞自动机，组织演变，介观模拟，动态再结晶 １．　引　言　 自２０世纪计算机问世以来，用计算机建立模型来模拟材料行为的方法在材料设计中的 应用越来越广泛，此方法既可节省大量的人力物力和实验资金，又能为实验提供巨大的灵活 性和方便性，因而已经引起了各界科学家的高度重视和极大兴趣。计算机对材料行为的模拟 主要有三个方面：材料微观行为、介观行为和宏观行为的模拟。材料的微观行为是指在电子、原子尺度上的材料行为，如模拟离子实（原子）体系行为，在这方面主要应用分子动力学、分子力学等理论方法；材料的介观行为是指材料显微组织结构的转变，包括金属凝固结晶、再结晶及相变过程，在这方面的模拟主要应用Ｍｏｎｔｅ　Ｃａｒｌｏ（ＭＣ）方法和Ｃｅｌｌｕｌａｒ　Ａｕｔｏｍａｔａ（ＣＡ）方法；材料的宏观行为主要指材料加工方面，如材料加工中的塑性变形，应力 应变场及温度场的变化等，在这方面的模拟工作主要应用大型有限元软件Ｍａｒｃ，　Ａｎｓｙｓ等。大量实验研究表明，材料的微观组织结构决定了其宏观行为及特征。因此，对材料介观行为 的模拟显得尤为重要。传统的数学建模方法是建立描述体系行为的偏微分方程，它依赖于对 体系的成熟定量理论，而对大多数体系来说这种理论是缺乏的；从微观入手的Ｍｏｎｔｅ　Ｃａｒｌｏ 方法主要依赖于体系内部自由能的计算，由于其运算量大，需要大量的数据，运算速度慢，为模拟工作带来了诸多不便；而ＣＡ方法则另辟蹊径，通过直接考察体系的局部相互作用， 再借助计算机模拟这种作用导致的总体行为，从而得到其组态变化，并体现出宏观上的金属 性能。由于ＣＡ的结构简单，便于计算，允许考虑数量极大的元胞，并且在空间和时间的尺 度上都不受限制，出于以上特点，元胞自动机方法已经受到越来越多研究工作者的青睐。本 文概述了元胞自动机方法的基本思想及原理，介绍了ＣＡ的基本组成及特征，对ＣＡ法在模拟 介观组织行为方面的应用进行了综述。

网络舆情演化模式分析

网络舆情演化模式分析 摘要: 网络舆情演化分析已成为网络舆情研究的热点内容。文章使用描述网民収帖过程的时间序列来表征网络舆情的演化过程，使用时间序列的分析方法来探索网络舆情的演化觃律，构 建了6 个网络舆情演化模式，包括分布模式、平稳模式、相关模式、自相似模式、周期模式和趋 势模式，幵给出了相应的模式分析方法。实验表明，构建的网络舆情演化模式能够有效地表征 网络舆情演化过程，有助于更深层次地分析网络舆情演化觃律，为后续演化建模提供理论基础。 关键词: 网络舆情; 演化模式; 时间序列 Pattern Analysis of Internet Public Opinions Evolution ZHOU Yao-ming，ZHANG Hui-cheng，WANG Bo ( Institute of Information Engineering，Information Engineering University，Zhengzhou 450002，China) Abstract: Analysis of Internet public opinions evolution has become a hot topic in recent years． Time series which describe the process of the netizen’s posting can be utilized to represent the evolution of Internet public opinions．With the analysis methods of time series to explore the evolution patterns of Internet public opinions，this paper constructs 6 patterns，including distributional pattern， stationary pattern，correlative pattern，self-similar pattern，periodic pattern and trend pattern． Techniques to realize these patterns are also discussed．The experimental results show that the patterns in this paper can express the evolution of Internet public opinions effectively，and provide theoretical basis for evolution modeling． Key words: internet public opinions; evolution pattern; time series 网络舆情是指由于各种事件的刺激而产生的通过互联网传播的人们对于该事件的所有认知、态度、情 感和行为倾向的集合［1］。网民对某一事件所持有的认知、态度、情感和行为倾向的叒化过程，实际上就是 网络舆情的演化过程。分析网络舆情的演化觃律，掌握网民情感和行为倾向的叒化觃律，为有关部门制定 网络舆情应对策略提供技术支持，对于国家安全和社会和谐稳定具有十分重要的意义。 目前，网络舆情演化的研究主要集中在3 个方面: 基于话题演化的研究［2-3］; 基于网络信息传播的研 究［4-5］; 基于粒子交互模型的研究［6-9］。 话题演化是指某一个话题在传播中的叒化过程，主要包括旧话题消亡、新话题产生、一个话

基于元胞自动机原理的微观交通仿真模型

2005年5月重庆大学学报(自然科学版)May2005第28卷第5期Journal of Chongqing University(Natural Science Editi on)Vol.28　No.5 文章编号:1000-582X(2005)05-0086-04 基于元胞自动机原理的微观交通仿真模型3 孙　跃,余　嘉,胡友强,莫智锋 (重庆大学自动化学院,重庆　400030) 摘　要:描述了一种对高速路上的交通流仿真和预测的模型。该模型应用了元胞自动机原理对复杂的交通行为进行建模。这种基于元胞自动机的方法是将模拟的道路量离散为均匀的格子,时间也采用离散量,并采用有限的数字集。同时,在每个时间步长,每个格子通过车辆跟新算法来变换状态,车辆根据自定义的规则确定移动格子的数量。该方法使得在计算机上进行仿真运算更为可行。同时建立了跟车模型、车道变换的超车模型,并根据流程对新建的VP算法绘出时空图。提出了一个设想:将具备自学习的神经网络和仿真系统相结合,再根据安装在高速路上的传感器所获得的统计数据,系统能对几分钟以后的交通状态进行预测。 关键词:元胞自动机;交通仿真;数学模型 中图分类号:TP15;TP391.9文献标识码:A 1　元胞自动机 生物体的发育过程本质上是单细胞的自我复制过程,50年代初,计算机创始人著名数学家冯?诺依曼(Von Neu mann)曾希望通过特定的程序在计算机上实现类似于生物体发育中细胞的自我复制[1],为了避免当时电子管计算机技术的限制,提出了一个简单的模式。把一个长方形平面分成若干个网格,每一个格点表示一个细胞或系统的基元,它们的状态赋值为0或1,在网格中用空格或实格表示,在事先设定的规则下,细胞或基元的演化就用网格中的空格与实格的变动来描述。这样的模型就是元胞自动机(cellular aut omata)。 80年代,元胞自动机以其简单的模型方便地复制出复杂的现象或动态演化过程中的吸引子、自组织和混沌现象而引起了物理学家、计算机科学家对元胞自动机模型的极大兴趣[1]。一般来说,复杂系统由许多基本单元组成,当这些子系统或基元相互作用时,主要是邻近基元之间的相互作用,一个基元的状态演化受周围少数几个基元状态的影响。在相应的空间尺度上,基元间的相互作用往往是比较简单的确定性过程。用元胞自动机来模拟一个复杂系统时,时间被分成一系列离散的瞬间,空间被分成一种规则的格子,每个格子在简单情况下可取0或1状态,复杂一些的情况可以取多值。在每一个时间间隔,网格中的格点按照一定的规则同步地更新它的状态,这个规则由所模拟的实际系统的真实物理机制来确定。格点状态的更新由其自身和四周邻近格点在前一时刻的状态共同决定。不同的格子形状、不同的状态集和不同的操作规则将构成不同的元胞自动机。由于格子之间在空间关系不同,元胞自动机模型分为一维、二维、多维模型。在一维模型中,是把直线分成相等的许多等分,分别代表元胞或基元;二维模型是把平面分成许多正方形或六边形网格;三维是把空间划分出许多立体网格。一维模型是最简单的,也是最适合描述交通流在公路上的状态。 2　基于元胞自动机的交通仿真模型的优点目前,交通模型主要分为3类: 1)流体模型(Hydr odyna m ic Model),在宏观上,以流体的方式来描述交通状态; 2)跟车模型(Car-f oll owing Model),在微观上,描述单一车辆运动行为而建立的运动模型; 3)元胞自动机模型(Cellular Aut omat on),在微观 3收稿日期:2005-01-04 基金项目:重庆市自然科学基金项目(6972) 作者简介:孙跃(1960-),浙江温州人,重庆大学教授,博士,研究方向:微观交通仿真、电力电子技术、运动控制技术及系统。

疏散问题元胞自动机仿真方法

姓名：张雪蕾学号：201211131114 姓名：崔星宇学号：201211131072 姓名：王佳颖学号：201211131054 基于元胞自动机的人员疏散仿真研究 摘要： 本文要仿真模拟学校某层教学楼中的人员疏散[1]，主要方法是建立元胞自动机模型。 本文首先规定了学校教室和走廊的规格，并将教室和走廊平面均匀地划分成大小相等且符合实际的正方形网格，每个网格作为一个元胞，可以由教室中的学生或者障碍物占据。模型的建立是先将此楼层的人员疏散过程分成教室和走廊两个部分分别考虑、并分别建立模型。 在教室中，根据每一个元胞距离教室门口的位置长短，建立了元胞位置危险度矩阵，然后在此基础上给出教室中书桌所在元胞的位置和教室墙壁所在元胞的位置。我们采用Moore neighborhood的元胞邻居方式，学生的行走方式取决于其邻居八个元胞及其本身在位置危险度矩阵中所对应的危险度的大小；有多个学生竞争同一元胞时，则采用生成随机数作为前进概率的方法，概率最大的可以成功抢到该目标元胞位置。这样每一次时间步的更新，都会有至多一个人走出本间教室，一间90人的教室需要大约26.25s就可使教室人员全部走出教室。 在走廊中，我们考虑走廊只能至多三排学生并行的情况，并规定走廊上的行走规则与教室里的一致。我们采用扩展的Von-Neumann neighborhood的元胞邻居方式，学生的行走方式取决于其邻居五个元胞及其本身在位置危险度矩阵中所对应的值的大小。每一时间步的更新会有至多三个人走出走廊。 最终，我们将教室和走廊的情况整合在一起考虑，得到了模拟学校学生在进行疏散时的元胞自动机模型。用此元胞自动机模型对该层教学楼的人员疏散问题进行仿真模拟，若每一时间步为0.25秒，我们得到时间步更新次数为333（即83.25s），四间教室共360人均可全部逃离教学楼，该结果与实际情况十分相符。关键字： 人员疏散元胞自动机位置危险度随机数法