一类最佳响应意见动力学的收敛与共识分析

意见动力学旨在理解个体意见通过局部相互作用如何演化。最近，意见动力学被建模为网络游戏，其中个体更新其意见以最小化因与他人不同意见而产生的社会压力。本文研究了梅 et al. 引入的一类最佳响应意见动力学，其中参数 $\alpha > 0$ 控制意见差异的边际成本，桥接了诸如 DeGroot 模型 ($\alpha = 2$) 和加权中位数模型 ($\alpha = 1$) 等著名机制。我们对不同 $\alpha$ 值如何影响系统的收敛与共识行为进行理论分析。对于 $\alpha > 1$ 的情况（即递增边际成本），我们建立了动力学的收敛性，并推导了共识形成的图论条件，这些条件被证明与 DeGroot 模型类似。当 $\alpha < 1$ 时，我们通过反例表明收敛性并非总是得到保证，并提供了收敛与共识的充分条件。此外，小世界网络上的数值仿真揭示了网络结构与 $\alpha$ 共同影响意见多样性的方式。