优化｜社交网络建模：个体如何在群体中形成观点--DeGroot model分享

在社会网络的广阔领域内，个体如何在群体中形成和修改自己的观点是一个极富吸引力的议题。这个过程不只塑造了社交互动和群体决策，而且对理解社会变化和文化演化至关重要。为了揭示这一复杂现象背后的规律，社会科学家、心理学家和数学家共同开发了多种模型。其中，DeGroot模型[1]以其简洁明了的数学框架脱颖而出，被认为是社交网络分析中最为经典的模型，为研究观点动态提供了强有力的工具。

模型起源与基本假设

DeGroot模型由社会心理学家John R.P. French, Jr.、数学家Frank Harary以及统计学家Morris H. DeGroot于20世纪中叶独立提出和发展。模型的核心思想是，个体在社会网络中的观点受到其它个体观点的影响。每个个体的观点变化不是孤立的，而是通过社会网络中的相互作用形成的。
模型中的每个节点代表一个个体，每个个体对某一议题持有一个初始的观点或信念，这些观点可以用数值来表示，反映了个体对特定议题的态度或信念强度。
个体之间的相互影响通过社会网络的结构来体现，网络中的边表示个体间的社会联系，这些联系决定了谁会影响谁。
网络中的每条边都有一个权重 $a_{ij}$，代表个体 $j$ 对个体$i$观点的影响程度。这个权重反映了个体之间影响的大小和方向。

动力学机制

DeGroot模型的核心在于观点更新的动力学机制。在模型中，个体的新观点是通过加权平均其社会网络中其他个体的观点得到的，权重由 $a_{ij}$确定。这个过程可以用一个简单的数学公式表示：
$$p_i^{+}=\sum _{j=1}^n{a}_{ij}{p}_j$$
这里，$p_i^{+}$ 是个体 $i$的更新观点，$p_j$ 是个体 $j$的当前观点。这个公式反映了一个基本假设：个体倾向于向他们认为重要或有影响力的其他人的观点靠拢。

模型中的$a_{ij}$需要满足：$a_{ij}\ge 0$; 对于每个个体，其自身权重和隶属权重之和等于1，即对所有$i$的${\sum }_{j=1}^n{a}_{i}j=1$。用数学术语来说，就是矩阵
[ a 1 1 ⋯ a 1 n ⋯ ⋯ ⋯