Rumor Propagation Control With Anti-RumorMechanism and IntermittentControl Strategies

 Abstract

  本研究探讨了具有反谣言机制的谣言传播系统的间歇性控制。研究了与反谣言机制的相互作用，包括两个边界平衡的存在性和稳定性、双稳态行为的条件。确定阈值参数，确定无谣言均衡的全局指数稳定性。为了打击谣言传播，我们设计了具有非周期性间歇控制时间的确定性和随机控制策略。得到了最小控制强度的表达式，该表达式与控制比和系统参数有关。数值例子验证了理论结果的有效性并评估了间歇控制策略的潜在作用。

关键词——反谣言机制、边界平衡、间歇随机控制、稳定性分析。

I. INTRODUCTION

   随着信息技术的飞速发展，人际信息沟通方式发生了重大变化。在线社交网络（OSN）虽然为信息的快速传播带来了便利，但也滋生了谣言、未经证实的消息和其他形式的虚假信息的快速传播[1]，造成了严重的后果[2]。以公共卫生谣言为例，2020年3月26日，突尼斯生姜和大蒜价格从每公斤8第纳尔飙升至20-25第纳尔，而造成这一现象的原因来自于“生姜和大蒜可以对抗新冠病毒”的谣言。 -19”[3]。因此，分析谣言传播并有效控制其传播已成为迫切需要解决的问题。

   在谣言传播分析领域，主要方法是建立数学模型来研究谣言传播的动态行为。大多数模型源自传染病模型，考虑传播对象和传播途径的相似性疫情传播与谣言传播之间的机制。最广泛使用的模型是易感者-感染者恢复（SIR）模型[4]，它将所有个体分为三个部分：1）易感者：尚未收到谣言的个体； 2）感染者：接收谣言并传播谣言的个人； 3）康复者：已被感染但不再相信的人。这些基于SIR的区室模型可以描述各个状态的过渡关系和动态演化过程。研究结果可以用来解释小规模社交网络中通过口碑传播的谣言传播，为谣言传播模型奠定了理论基础[5]。在大规模的社交网络中，不同特征的个体对于谣言的态度也不同。例如，当同一个谣言传播给不同教育程度的人时，受过高等教育的人更有可能发现并揭穿谣言。因此，谣言传播建模应考虑影响因素，尤其是个体差异。

   有效控制谣言传播是谣言研究的核心，包括了解谣言的特征、识别谣言传播的规律。此前，对于谣言的控制策略有两种。一是通过社交媒体发布辟谣信息[6]，二是封堵谣言或删除谣言信息[7]。第一个策略需要与社交媒体合作，而媒体发布存在滞后性，在真相大白之前可能已经造成损害。同样，第二种策略需要吊具的准确定位以及相关的人际关系。上述策略都是谣言传播后的谣言压制方案，忽视了人群和随机因素的积极作用。而且，这些直接方法会严重干扰正常活动并造成负面影响，应考虑这两种策略的成本[8]。因此，如何积极有效地治理谣言是亟待关注的关键问题。

   在前述现有研究中，都考虑了内部和外部控制措施来抑制谣言的传播。现有的内控措施大多以个人批判能力为驱动力，主要注重有效驳斥谣言传播者，而忽视了真实信息传播者对个人的引导作用。其他状态[敏感者S(t)和犹豫者H(t)]。现实中，身份不明的个体可以通过接收真实信息来有效抑制谣言的传播，从而避免被谣言信息所欺骗。这可以被认为是一种打击谣言的机制，因为它减少了个人受谣言影响的可能性，从而降低了谣言传播的风险。此外，外部控制策略，例如强制静默机制和断开关键通信链路，通常被设计为时间连续的，这不仅导致资源浪费，而且带来实际操作挑战。控制成本和灵活性需要进一步强调。

   基于上述分析，本文建立了一种考虑真实信息传播者对不同状态个体的引导作用的新谣言传播模型，我们称之为反谣言机制。除了传统的无谣言均衡和地方性均衡之外，两种边界均衡反映了谣言过程与反谣言机制之间的相互作用。我们研究了这两种均衡的稳定性行为，理论结果验证了引入反谣言机制的积极作用。从成本控制和操作灵活性的角度出发，我们设计了两种非周期性间歇性控制策略（确定性类型和随机类型）来抑制谣言传播。得到了控制条件，该条件与控制强度和控制时间比例有关。通过比较确定性策略和随机策略的控制条件，我们可以得出结论，两种策略都可以控制谣言传播。本文的主要贡献总结如下：

1）谣言与反谣言扩散模型：考虑到不同状态下个体的认知差异，我们建立了易受影响者-犹豫者-传播者-揭穿者-压制者（SHIDR）模型。在这个模型中，我们引入了反谣言机制来探索辟谣和传播谣言的效果。

2）反谣言传播的动态效应：为了定量、高效地探究谣言和反谣言的双向效应，我们对边界平衡的双稳定性进行了理论分析。稳定性参数K1和K2证明了反谣言的积极引导作用。

3）谣言抑制的间歇控制策略：我们提出了一种新颖的谣言抑制间歇控制策略。在该策略中，允许控制时间不定期地间歇，以降低控制成本。我们设计并利用随机控制输入来稳定谣言传播系统，并导出包含无强度随机的标准。这种方式在保证控制效果的同时，增加了控制措施的灵活性

  本文的其余部分组织如下。在第二节中，我们讨论相关的研究工作。第三节建立了具有反谣言机制的传播模型。第四节介绍了传播模型的稳定性分析。第五节设计了两种非周期性间歇控制策略，并验证了控制策略的稳定性。系统进行了分析。数值模拟被用来说明第六节中所提出的理论的有效性。第七节总结了结论。该方法的框架结构如图1所示。

 图 1. 方法流程。

II. RELATED WORKS

   关于谣言传播和抑制的研究工作可以追溯到二战时期，战争中媒体和信息心理战的运用迫使研究者们研究谣言是如何传播的。当前，谣言扩散无论是学术界还是工业界都十分关注。由此积累了大量有价值的研究成果。这些研究成果大致可以分为两个领域：谣言传播的建模与动态分析，以及控制谣言传播的策略。

   针对谣言传播的建模和动态分析，研究人员通过改进传统的SIR模型，提出了多种谣言传播模型[4]。一些研究仍然使用经典的三室，但考虑了不同的谣言传播影响因素[6]，[9]，[10]，[11]，[12]。尹等人。 [9]以及Zhu和Ying[6]、[10]提出了两种不同的SFI模型来研究用户重复转发行为和情绪状态的影响。程等人。 [11]建立了随机SIR模型来描述环境中的随机因素。考虑到个体之间的差异，研究人员对个体进行了更详细的划分[12]、[13]、[14]。刘等人。 [12]添加了犹豫者作为一种新的个体分类，并证明犹豫心理会降低信息的传播。 Wang和Wang[13]研究了谣言识别能力差异的影响。他们发现识别能力可以有效抑制谣言传播。从教育水平的角度来看，Afassinou[14]和Li等人。 [15]研究了谣言识别能力的定量影响。 Afassinou[14]将无知者分为未受过教育的类型和受过教育的类型，而Li等人。 [15]将撒布者和窒息者分为不同教育水平的两种不同类型。 Cheng和Huo[16]用自增长机制补充了经典SIR模型中的智者。陈等人。 [18]将参与谣言传播的人群细分为五类：无知者（X）、传播者（Y）、怀疑者（W）、相信谣言的压制者（Z 1）和不相信谣言的压制者（Z 2） ）。他们通过数值分析探讨了谣言辟谣和信息反馈的谣言抑制效果。郭和严[19]也考虑了反个人的内部反驳，但他们的工作与众不同，将其与媒体报道的外部反驳相结合，建立了易感者-感染者-反媒体-去除者（SICMR）谣言传播模型。基于数学模型，研究人员研究了稳态动力学。使用下一代矩阵方法[17]，研究人员[6]、[9]、[10]、[11]、[12]、[13]、[14]、[15]、[18]、[19]得到了无谣言均衡的局部稳定性和基本再生数。 Lyapunov函数方法证明了无谣言均衡和地方性均衡的全局稳定性[15]，[31]。值得注意的是，之前的作品分别关注个体心理或识别能力，但以上都没有文献同时考虑了这两个因素。而且，识别能力对谣言传播的揭穿作用尚未得到充分研究，这极大地削弱了其应用。
   从抑制谣言的角度来看，控制策略可以分为确定性控制策略和随机控制策略。人们从各个角度研究了确定性控制策略，例如针对特定用户或社区桥梁阻止谣言[20]，[21]，[22]，[23]，[24]，[25]，[26]，[27] ]、[28]、[29]、传真相辟谣[15]、[31]、[32]、[33]、[34]、[35]、[36]等。朱等人。 [30]考虑了网络监管因素，例如强制静默和网络拓扑。他们设计了一个强制沉默函数T(I)来研究谣言传播的影响。什里瓦斯塔瓦等人。 [33]提出了通过验证国家进行验证的概念来预防假新闻。刘等人。 [34]考虑了隔离措施，从控制效率和可行性的角度提出了SIRQU模型来阻止谣言传播。一些研究人员将这两种确定性控制策略结合起来，提出了离散阻塞时间。丁等人。 [39]探索了连续真相传播方法和脉冲谣言阻止方法的策略，并获得了抑制谣言和最小化控制成本之间的最优控制问题的必要条件。这些确定性控制方法可以控制谣言的传播，但其成本通常被忽视。直接控制方法可能会干扰正常活动并造成负面影响，包括可能侵犯人权。与确定性控制方法不同，随机方法不固定控制对象，控制策略相对灵活。随机控制方法已在理论和实践中得到验证。在实践中，克里斯滕森等人。 [40]发现白噪声背景通过抑制皮质调谐曲线来改善音调辨别力。胡等人。 [42]提出了一种网络系统的随机控制方法。罗等人。 [43]从有限时间的角度研究了随机控制方法。实际上，许多研究人员已经考虑了随机因素对谣言传播的影响[11]，[36]，[44]，[45]，[46]。他们建立了不同的随机谣言传播模型，并研究了动态行为[11]、[36]、[44]、[45]和随机最优控制[46]。值得注意的是，随机因素已被视为谣言传播的过程特征，理论结果也证明随机因素可以降低基本再生数R0，但都没有将随机因素尤其是白噪声应用于谣言抑制。 。因此，随机因素的控制作用有待进一步挖掘。

III. MODEL FORMULATION

  为了建立一个研究反谣言传播影响的隔室模型，我们将总的将人群分为具有不同特征的五组： 易感人群 S(t)，表示不知道谣言但容易受到谣言影响的个体；犹豫者H(t)，表示受到谣言影响但不能立即证实并传播所收到的谣言的个体；传播者I(t)，指接触谣言后相信并传播谣言的个人；揭穿者 D(t)，代表相信反谣言并散布谣言以揭穿谣言的个人；抑制者R(t)，表示接触谣言后没有反应的个人。此外，在时间 t 时，所有个体的种群规模为 N (t)。为了简单起见，谣言传播模型被命名为 SHIDR 模型。 SHIDR模型的谣言传播机制可以描述如下。

1）在SHIDR模型中，我们假设谣言在合理的时间内传播，单位时间内移民的人数为常数A。每个类别的移民人数为g。

2）当易感者接触传播者时，他们可能不会立即传播他们收到的信息。相反，他们可能会变得犹豫不决，概率为 β。此外，当易受影响者接触到揭穿者时，他们可能会选择以α1的概率传播真实信息，并成为揭穿者

。 3）当犹豫者接受谣言一段时间后，他或她可能以ε的概率相信并传播谣言。或者，他或她可能会相信谣言并以 γ1 的概率成为扼杀者。犹豫者可能会以α2的概率接触到揭穿者并传播真相。

4）揭穿者和传播者可能对谣言失去兴趣，概率分别为γ3和γ2。传播者可能会以α3的概率接触到揭穿者并转而传播真实信息。

基于上述动态规则，我们构建了图2所示的谣言传播转移图。

图2 机构或政府部门正面引导影响下的谣言传播结构。

根据图2，我们建立谣言传播模型如下：

(1)中，初始值满足S(0)≥0、H(0)≥0、I≥0、D(0)≥0、R(0)≥0。所有参数值(如表1所示) ) 假设为非负数，我们将总人口设置为

根据 (1)，我们有 (d N (t))/(dt) = A − g N (t)。因此 lim supt→∞ N (t) ≤ ( A/g)。因此，所有解 [S(t), H (t), I (t), D(t), R(t)] 都是有界的，(1) 的可行区域为

其中 R5 + 表示具有正实数的 5-D 欧几里得空间。

IV. DYNAMIC ANALYSIS

A. Dynamic Analysis of Rumor-Free Equilibrium E0

  在本节中，我们计算一个阈值R0，它决定谣言是自然消亡还是广泛传播。首先，我们计算确定性 SHIDR 模型的无谣言平衡点。通过将（1）右边设置为零并进行一些简单的计算，我们可以获得无谣言均衡

定理1：（1）的基本再生数为：R0 = max{K1, K2}，其中

当 R0 < 1 时，(1) 的无谣言均衡 E0 全局渐近稳定。如果R0 > 1，E0 不稳定。

证明：基于下一代矩阵方法[17]，传播系统可以分为两部分：F，代表隔间内新感染的比率，V，代表从隔间转移的比率。因此，我们可以将(1)写成：

无谣言均衡 E0 处 F(x) 和 V(x) 的雅可比矩阵如下：

根据下一代矩阵的概念，(1)的再现数等于R0 = ρ(FL-1)，其中ρ(FL-1)表示矩阵FL-1的谱半径。然后

 进一步，当且仅当 I = 0 且 D = 0 ⇔ V ′(t) = 0。根据拉萨尔不变原理，可以看出 (1) 中的所有轨迹都趋于 E0 = ((A/g) , 0, 0, 0, 0)。因此，如果 R0 < 1，E0 是全局渐近稳定的。

B. Dynamic Analysis of Boundary Equilibrium E1

  只要有政府机构、利益相关者、辟谣网站等反谣言机制的存在，谣言最终会消失。然而，反谣言传播者可能仍然存在，导致边界均衡 E1，即没有谣言传播。与此同时，反谣言传播者依然存在。通过计算(1)的均衡，我们可以确定，如果K2 > 1，则(1)的边界均衡E1存在，反谣言传播者持续存在。

那么我们得出结论，当 K2 > K1 且 K2 > 1 时，平衡 E1 局部渐近稳定。至此定理2的证明完成

备注 1：根据定理 2，边界平衡 E1 在 K2 > 1 且 K2 > K1 下稳定，这意味着即使 R0 = max{K1, K2} > 1 但 K1 < K2 的存在，谣言传播者也会消亡。揭秘者。与无谣言平衡E0的稳定条件R0 = max{K1,K2} < 1相比，边界平衡E1的要求明显较低。由此可见，反谣言机制对于抑制谣言是有效的。

C. Dynamic Analysis of Boundary Equilibrium E2

  在这个场景中，反谣言者已经不存在，而谣言者仍然存在。我们可以将式(1)右边设为0，并取D = 0，I > 0。这样就可以得到另一个没有反谣言传播者的边界均衡。 E2(S2, H2, I2, D2, R2)，其中 S2 = ((γ2 + g)(ε + g + γ1))/(βε)，H2 = (g/β)(K1 − 1)，I2 = (g(γ2 + g))/(βε)(K1 − 1), D2 = 0, R2 = ((γ1(γ2 +g)+εγ2)(γ2 +g))/(βgε2)(K1 −1) 。定理 3：当 K1 > 1 且 K2 < (α1 K1)/(α2 + α1θ (K1 − 1)K1) 时，其中 θ = (g2[α2(γ2 + g) + α3ε])/( Aα1εβ) 边界平衡(1) 的 E2(S2, H2, I2, D2, R2) 局部渐近稳定。证明：E2中(1)的雅可比矩阵为

 

特征方程的根都有负实部。因此，如果 K1 > 1 且 K2 < (α1 K1)/(α2 + α1θ (K1 − 1)K1)，则边界平衡 E2 局部渐近稳定

备注2：在上面的分析中，我们已经证明，如果K2 > 1且K1 < K2，则边界平衡E1是局部渐近稳定的。如果 K = (α1/α2) ≤ 1，则存在边界平衡 E2 局部渐近稳定。比较这两个条件（见表二），我们计算出如果 K = (α1/α2) > 1，则 E1 和 E2 都存在边界平衡。而且，两者都是局部渐近稳定的。双稳态发生在 (1) 中（见图 3 中的红色区域）。也就是说，根据 (1) 的初始值，(1) 的解趋向于平衡 E1 以及平衡 E2。

备注3：从模型结构的角度来看，我们的模型考虑了更多可能的场景。在[33]中，提出了已验证个体的概念，但该群体的谣言识别功能并未在模型中体现。田和丁[32]考虑了人群的揭穿特性，但揭穿者只为无知的人提供指导。在我们的模型中，揭穿者引导不同类型的个人。定理2和定理3中边界平衡的存在性和稳定性的理论证明证明了其指导作用。

V. APERIODICALLY INTERMITTENT CONTROL STRATEGIES

  从控制时间灵活性的角度出发，我们设计了两种新的非周期性间歇控制策略来抑制谣言，其中控制时间可以是离散的。每个时间跨度[ti,ti+1]包含工作时间[ti,ti+wi)和休息时间[ti+wi,ti+1)，wi表示第i个控制宽度。当然，噪声宽度满足 0 ≤ wi ≤ ti+1ti 。我们设定w = limn→∞(Σn j+1 w j )/(tn+1 −t0)作为控制比。特别地，当 ti+1 − ti = T 且 wi = w 对于所有 i ∈ N 时，则非周期性间歇时间变为周期性。非周期间歇控制策略的示意图如图4所示。

A. Aperiodically Intermittent Deterministic Control Strategy

非周期间歇确定性控制的核心思想是离散地控制一部分种群时间灵活。相关控制参数为g，控制强度为σ。那么控制系统给出为

w j 是时间间隔[t j ，t j+1]内的控制长度。在本节的其余部分中，定理 4 中建立了谣言抑制的标准

定理 4：若非周期性间歇扰动强度 σ 满足 σ > ((γ2 + g)(K1 − 1) + (γ3 + g)(K2 − 1))/w，则扩展器 I (t) 和揭秘器 D( t) 变为 0，这意味着谣言将以 1 的概率消失。证明：定义 V(t) = ε/(ε + γ1 + g)H (t) + I (t) + ε/(ε + γ1 + g + 1)D(t)，微分可得

VI. SIMULATION

在本节中，我们进行数值模拟来说明我们的理论结果的验证。

A. Simulation Experiment Setup

  我们使用 MATLAB 来模拟谣言的传播和间歇性控制策略的有效性。通过应用评价偏秩相关系数（PRCCs）法和微分法，验证了各参数对基本再生数（见图5）、平衡点稳定性（见图6）的影响，以及间歇控制策略的谣言抑制效果（见图6）。表3中选择了四组系统参数值用于不同的模拟。具体来说，我们设置表III第二列中的系统参数值以满足定理1，使得无谣言均衡（E0）稳定。同样，第 3-5 列中的系统参数设置旨在满足定理 2 和 3，从而证明平衡点（E1、E2、E3）的稳定性。考虑到我们的间歇控制策略有两个可调参数：控制时间比例 ω 和控制强度 σ ，我们分别设置了三种不同的控制时间比例（0.3、0.6和1）和控制强度（0.06、0.3和0.6），产生九种不同的组合方案来证明确定性和随机间歇控制策略的谣言抑制效果。

B. Parameter Analysis

   首先，我们通过评估 PRCCs 方法来分析 A、g、α1、γ1、γ2、γ3、β 和 ε 对 K1 和 K2 的影响。不失一般性，将输入参数设置为均匀分布（最大值为基线值的120%；最小值为基线值的80%）。我们对所有参数进行了 1000 次 PRCC 运行。灵敏度模拟如图5（a）和（d）所示。根据 PRCC 值，迁入率 g 和迁出率 A 与 K1 和 K2 强相关，这意味着人群连接阻断等方法可以降低基本再生数 R0。接下来，我们进一步探讨基本再生数与迁入率A、迁出率g之间的关系。我们针对这两个变量绘制了 K1 和 K2 的 3D 图。结果如图5(b)、(c)、(e)和(f)所示。

C. Stability Analysis

   为了验证不同平衡的稳定性行为，我们使用表3中不同的系统参数进行了数值模拟。首先，我们验证无谣言均衡点E0的全局稳定性。设置系统参数如表III第二列所示，我们得到R0 = max(K1, K2) = max(0.833, 0.857) = 0.857 < 1。根据定理1，(的无谣言平衡点E0 1) 全局渐近稳定。图6(a)显示[S(t), H(t), I(t), D(t), R(t)]趋向于(100, 0, 0, 0, 0)，即与定理1中的理论分析一致。其次，我们验证了边界平衡点E1和E2的全局稳定性。利用表3中第三列的参数值，我们可以很容易地计算出E1 = 1.579，E2 = 5.263，满足条件：K2 > 1，K1 < K2。由定理2可知，边界平衡E1是稳定的。图6(b)显示[S(t), H(t), I(t), D(t), R(t)]趋于为(19,0,0,9,72)，与理论分析一致。将参数值改为表3第四列，可计算出K1 = 4，K2 = 0.105，满足以下条件：K1 > 1且K2 < (α1 K1)/(α2 + α1θ (K1 − 1) K1）。由定理3可知，边界平衡E2是稳定的。图6(c)表明[S(t), H(t), I(t), D(t), R(t)]趋向于(25, 15, 15, 0, 45)，即符合上面的分析。

   最后，我们选择表III第5列中的参数值。 K1和K2不满足定理2和定理3中的条件。因此，我们可以看到[S(t)，H(t)，I(t)，D(t)，R(t)]趋于正数值，这意味着谣言会传播。

D. Intermittent Control Strategies

  在本节中，我们考虑间歇性控制策略对谣言传播的影响。如图5（d）所示，谣言的传播没有任何控制手段。我们选择三种不同的控制时间比率和三种不同的控制强度来检验确定性和随机控制策略的不同控制效果。

   首先，我们设置控制时间比例为w=0.3，具体工作时间可以随机选择。然后，我们模拟三种不同控制强度下感染群体规模[S(t)]的时间变化。我们得到((γ2 +g)(K1 −1)+(γ3 +g)(K2 −1))/w = 0.166，根据定理，确定性控制强度σ需要大于0.166才能抑制谣言的传播4.同时，根据定理5，随机控制强度σ需要大于0.577才能抑制谣言的传播。我们在图7（b）中选择σ=0.06，以表明强度不足时无法控制谣言。然后，如果控制强度设置为0.3，图7（c）显示谣言在随机控制策略下消失，但在确定性策略下持续存在。将控制强度增加到0.6，满足定理4和定理5的条件。图7(d)显示谣言传播者变成了0。

  其次，我们将控制时间比率调整为0.6。然后，我们可以计算出((γ2 +g)(K1 −1)+(γ3 +g)(K2 −1))/w = 0.084。根据定理4和定理5，确定性控制强度σ需要大于0.084才能控制谣言，随机控制强度σ需要大于0.41才能抑制谣言。图7（f）和（g）显示了0.06、0.3和0.6三种防治强度下的防治效果。显然，防治强度越大，防治效果越好。最后，我们将控制时间比率加1，等于连续控制策略。通过使用相同的方法比较感染群体规模S(t)的时间变化，我们观察到在图7(j)-(l)中，它们趋于接近0。这证明了间歇性控制策略的有效性。

   总的来说，我们可以得出结论，确定性控制策略和随机控制策略都可以有效抑制谣言。具体来说，加大调控力度持续时间可以带来更好的控制结果。此外，图 7 中的数值结果表明随机控制可能优于确定性控制。然而，我们无法从理论上证明这些结果并计划在未来的研究中验证它们。

VII. CONCLUSION

  我们提出了一种新颖的 SHIDR 谣言传播模型，该模型考虑了反谣言机制。与传统的谣言传播模型不同，反谣言机制会产生四种均衡，其中包括两种边界均衡。我们还通过 Lyapunov 函数和 LaSalle 不变原理证明了 R0 ≤ 1 下无谣言均衡的全局稳定性。此外，我们推导了两个边界平衡的双稳态行为的条件。为了控制时间的灵活性，设计了确定型和随机型非周期间歇控制策略。得到了控制系统的必要条件和最小控制强度的表达式。数值模拟中说明并分析了间歇控制策略的性能。

   在本文中，我们从理论证明和模拟的角度论证了反谣言机制和间歇性控制策略可以有效抑制谣言的传播。值得注意的是，图6显示谣言传播者的数量达到最大值然后开始下降，这与[33]中真实数据的曲线拟合一致。然而，由于传播环境的复杂性和不确定性，以及实际控制实验带来的伦理和安全问题，目前验证详细的比较分析具有挑战性。

   基于上述分析，我们提出了未来研究的两个潜在方向。首先，通过收集大量谣言传播的真实案例，对数据进行拟合，利用Netlogo软件，可以进行实时模拟，分析多个智能体之间的控制策略。其次，如果能够根据实际需求动态调整控制强度，将增加控制方案的灵活性，降低控制成本。因此，未来的研究可以探索将固定控制强度扩展到时变控制强度。