Điều khiển nối mạng

Chương 7. Mô hình động học ý kiến

TS. Trịnh Hoàng Minh – Viện Điện, Đại Học Bách Khoa Hà Nội
9/2020
 Nội dung
• Mô hình French-DeGroot
• Mô hình Friendkin-Johnsen
• Mô hình Friendkin-Johnsen nhiều chiều về động học ý kiến

ĐH Bách khoa Hà Nội Điều khiển nối mạng 2

 Mô hình DeGroot
• Mô hình DeGroot (1974):
• Nghiên cứu về động học của ý kiến/quan điểm của một nhóm người về
một chủ đề cụ thể
• Mô hình rời rạc
• Liên hệ với mô hình đồng thuận

M. H. Degroot, “Reaching a Consensus”, Journal of the American Statistical Association, Vol. 69, Iss. 345, 1974, 118-121

ĐH Bách khoa Hà Nội Điều khiển nối mạng 3

 Mô hình DeGroot
• Xét một nhóm gồm 𝑛 cá nhân trong một nhóm hoặc hội đồng:
• 𝑥𝑖 𝑘 ∈ ℝ : ý kiến của cá nhân thứ 𝑖 về một chủ đề tại thời điểm thứ 𝑘 =
0, 1, 2, …
• Tổng hợp ý kiến: 𝑥𝑖 𝑘 + 1 = σ𝑛𝑗=1 𝜔𝑖𝑗 𝑥𝑗 𝑘
• 𝜔𝑖𝑗 ≥ 0: ảnh hưởng của cá nhân thứ 𝑗 tới cá nhân thứ 𝑖
𝜔𝑖𝑖 ≥ 0: niềm tin của 𝑖 vào ý kiến của bản thân
σ𝑛𝑗=1 𝜔𝑖𝑗 = 1: điều kiện chuẩn hóa

ĐH Bách khoa Hà Nội Điều khiển nối mạng 4

 Mô hình DeGroot
• Xét trong một nhóm hoặc hội đồng gồm 𝑛 người (tác tử):
• 𝑥𝑖 𝑘 ∈ ℝ : ý kiến của tác tử thứ 𝑖 về một chủ đề tại thời điểm thứ
𝑘 = 0, 1, 2, …
• Tổng hợp ý kiến: 𝑥𝑖 𝑘 + 1 = σ𝑛𝑗=1 𝜔𝑖𝑗 𝑥𝑗 𝑘
• 𝜔𝑖𝑗 ≥ 0: ảnh hưởng của tác tử thứ 𝑗 tới tác tử thứ 𝑖
𝜔𝑖𝑖 ≥ 0: trọng số của tác tử 𝑖 vào ý kiến của bản thân
σ𝑛𝑗=1 𝜔𝑖𝑗 = 1: điều kiện chuẩn hóa
• Mô tả hệ dạng ma trận: 𝒙 𝑘 + 1 = 𝑾𝒙 𝑘 , 𝑘 = 0, 1, 2, …
1/3
1/3
3 1/3
4
1/3 1/2 1/2 0 0
1/4 1/3 1/4 1/4 1/4 1/4
1/2 1/4 𝑾=
1/3
0 1/3 1/3 1/3
1/2
0 1/3 1/3 1/3
1 2

1/4
1/4
ĐH Bách khoa Hà Nội Điều khiển nối mạng 5
 Mô hình Degroot
• Mô tả hệ ở dạng ma trận: 1/3 3/4
1/3
𝒙 𝑘 + 1 = 𝑾𝒙 𝑘 , 𝑘 = 0, 1, 2, … (1) 3

• 𝑾 = [𝜔𝑖𝑗 ] là ma trận ngẫu nhiên hàng 4

• 𝑾𝟏𝑛 = 𝟏𝑛 1/3
1/4
1
• Như vậy: 𝒙 𝑘 + 1 = 𝑾𝒙 𝑘 1/4
1 2

𝒙 𝑘 + 1 = 𝑾𝒙 𝑘 1/4
= 𝑾2 𝒙 𝑘 − 1 1/2
=⋯
= 𝑾𝑘 𝒙(0)
1 0 0 0
1/4 1/2 1/4 0
𝑾=
0 1/3 1/3 1/3
0 1/4 0 3/4

ĐH Bách khoa Hà Nội Điều khiển nối mạng 6

 Mô hình Degroot
• Điều kiện tiến tới đồng thuận về ý kiến:
𝑾𝑘 hội tụ ⟺ Đồ thị có gốc ra

• Giá trị đồng thuận: Giả sử đồ thị có gốc ra. Gọi 𝝅 = (𝜋1 , … , 𝜋𝑛 ) là
vector riêng bên trái của 𝑨, được chuẩn hóa sao cho 𝟏𝑇𝑛 𝝅 = 1 thì
• lim 𝒙 𝒌 = 𝝅⊤ 𝒙 0 𝟏𝑛
𝑘→∞
• Nếu như đồ thị còn là cân bằng thì các tác tử sẽ hội tụ tiệm
cận tới giá trị trung bình cộng của ý kiến ban đầu:
𝟏𝑇𝒏 𝒙 0
lim 𝒙 (𝑘) = 𝟏𝑛
𝑘→∞ 𝑛

ĐH Bách khoa Hà Nội Điều khiển nối mạng 7

 Mô phỏng
x0 = 10*rand(4,1); Đồ thị liên thông mạnh
W = [1/2 1/2 0 0;
1/4 1/4 1/4 1/4;
0 1/3 1/3 1/3; 1/2 1/2 0 0
0 1/3 1/3 1/3]; 1/4 1/4 1/4 1/4
𝑾=
N = 15; n = 4; 0 1/3 1/3 1/3
x = zeros(n,N); 0 1/3 1/3 1/3
x(:,1) = x0;
for k=1:N
x(:,k+1) = W*x(:,k);
end
figure(1); hold on
for k=1:n
stem(0:1:N,x(k,:));
end
legend({'$x_{1}$','$x_{2}$','$x_{3}$',
'$x_{4}$'},'NumColumns',1,'interpreter
','latex','FontSize',12);
ylabel('$x_{i}[k],~i=1,...,n$','interp
reter','latex','FontSize',12);
xlabel('$k$');
box on

𝒙 0 = 2, 3, 5, 10 𝑇 , 𝒙∗ = 5, 5, 5, 5 𝑇

ĐH Bách khoa Hà Nội Điều khiển nối mạng 8

 Mô phỏng

Đồ thị có gốc ra

1 0 0 0
1/4 1/2 1/4 0
𝑾=
0 1/3 1/3 1/3
0 1/4 0 3/4 𝒙 0 = 2, 3, 5, 10 𝑇 , 𝒙∗ = 2, 2, 2, 2 𝑇

ĐH Bách khoa Hà Nội Điều khiển nối mạng 9

 Mô hình Friendkin-Johnsen
• Mô hình F-J:
𝒙 𝑘 + 1 = 𝚲𝑾𝒙 𝑘 + 𝑰𝑛 − 𝚲 𝒖, 𝒙 0 =𝒖 (2)
trong đó:
𝒙 = 𝑥1 , … , 𝑥𝑛 ⊤ ∈ ℝ𝑛 : Vector các ý kiến của các tác tử
𝒖 = 𝒙 0 ∈ ℝ𝑛 : Định kiến
𝚲𝑾𝒙(𝑘): Ảnh hưởng từ tương tác giữa các tác tử
𝑰 − 𝚲 𝒖: Ảnh hưởng từ định kiến
𝑾 = 𝜔𝑖𝑗 : ma trận kề của đồ thị tương tác

ĐH Bách khoa Hà Nội Điều khiển nối mạng 10

 Mô hình Friendkin-Johnsen
• Mô hình F-J:
𝒙 𝑘 + 1 = 𝚲𝑾𝒙 𝑘 + 𝑰𝑛 − 𝚲 𝒖, 𝒙 0 =𝒖 (2)
• Trường hợp đặc biệt:
• 𝚲 = 𝑰𝑛 : mô hình Degroot
• 𝚲 = 𝑰𝑛 − 𝑑𝑖𝑎𝑔 𝜔𝑖𝑖 ℎ𝑎𝑦 𝜆𝑖𝑖 = 1 − 𝜔𝑖𝑖 : 𝜔𝑖𝑖 là một chỉ số về mức độ
bảo thủ của tác tử thứ 𝑖 đối với các tác tử khác
• 𝜔𝑖𝑖 = 1 ⟹ 𝜔𝑖𝑗 = 0, ∀𝑗 ≠ 𝑖: tác tử 𝑖 là hoàn toàn bảo thủ
• 𝜔𝑖𝑖 = 0 (hay 𝜆𝑖𝑖 = 1): tác tử 𝑖 thay đổi ý kiến hoàn toàn phụ thuộc
vào các tác tử khác
• Nghiên cứu mô hình: liên hệ ma trận 𝑾 với đồ thị 𝐺 𝑾 =
𝑉, 𝐸 𝑾
• 𝑖, 𝑗 ∈ 𝐸 𝑾 ⟺ 𝜔𝑖𝑗 > 0
• 𝑖, 𝑖 ∈ 𝐸 𝑾 ⟺ 𝜔𝑖𝑖 > 0: khuyên của đồ thị
• 𝐺 𝑾 : đồ thị tương tác trong mạng xã hội

ĐH Bách khoa Hà Nội Điều khiển nối mạng 11

 Mô hình Friendkin-Johnsen
• Mô hình F-J:
𝒙 𝑘 + 1 = 𝚲𝑾𝒙 𝑘 + 𝑰𝑛 − 𝚲 𝒖, 𝒙 0 =𝒖 (2)
• Ví dụ: Mạng xã hội gồm 4 tác tử

u3
3

1 0.220 0.120 0.360 0.300

u1 u4 𝑾 = 0.147 0.215 0.344 0.294
4 0 0 1 0
0.090 0.178 0.446 0.286
2

u2
Đồ thị tương tác 𝐺[𝑾] tương
ứng với ma trận 𝑾

ĐH Bách khoa Hà Nội Điều khiển nối mạng 12

 Mô hình Friendkin-Johnsen
• Mô hình F-J:
𝒙 𝑘 + 1 = 𝚲𝑾𝒙 𝑘 + 𝑰𝑛 − 𝚲 𝒖, 𝒙 0 =𝒖 (2)
• Ví dụ: Mạng xã hội gồm 4 tác tử

u3 Phân loại tác tử trong hệ:

3
• Totally stubborn: 𝜆𝑖𝑖 = 0, ý kiến của tác tử chỉ phụ
thuộc vào định kiến ban đầu, tác tử hoàn toàn bỏ
1 qua ý kiến của các phần tử khác.
u1 u4 • Stubborn: 𝜆𝑖𝑖 < 1, tác tử không từ bỏ định kiến của
4
mình trong quá trình tương tác.
2
• Implicitly stubborn: không có định kiến nhưng bị
ảnh hưởng bởi ý kiến của một số tác tử stubborn
u2 khác.
Đồ thị tương tác 𝐺[𝑾] tương • Oblivious: không có định kiến và cũng không bị
ứng với ma trận 𝑾 ảnh hưởng bởi các tác tử stubborn khác.

ĐH Bách khoa Hà Nội Điều khiển nối mạng 13

 Ổn định Schur
• Xét hệ tuyến tính cho bởi:
𝒙 𝑘 + 1 = 𝑨𝒙 𝑘 , (3)
với 𝑨 ∈ ℝ𝑛×𝑛 và 𝒙(𝑘) ∈ ℝ𝑛 là vector biến trạng thái của hệ tại thời
điểm 𝑘 = 0, 1, 2, …
• 𝜌 𝑨 = max |𝜆𝑖 𝑨 |: bán kính quang phổ của ma trận 𝑨
𝑖=1,…,𝑛
• Ma trân 𝑨 là ổn định Schur khi và chỉ khi 𝜌 𝑨 < 1.
• Hệ (3) là ổn định tiệm cận toàn cục ⟺ 𝑨 là ổn định Schur ⟺ ∃𝑷 ∈
ℝ𝑛×𝑛 sao cho 𝑷 = 𝑷𝑇 > 0 và 𝑷 > 𝑨𝑇 𝑷𝑨.
• 𝑉 𝒙 = 𝒙⊤ 𝑷𝒙 là xác định dương
• 𝑉 𝒙 𝑘 + 1 − 𝑉 𝒙 𝑘 < 0, ∀𝒙 ≠ 𝟎

ĐH Bách khoa Hà Nội Điều khiển nối mạng 14

 Mô hình Friendkin-Johnsen
• Mô hình F-J:

𝒙 𝑘 + 1 = 𝜦𝑾𝒙 𝑘 + 𝑰𝑛 − 𝚲 𝒖, 𝒙 0 =𝒖 (2)

• Tính hội tụ: mô hình F-J (2) là hội tụ nếu với bất kỳ vector 𝒖 ∈
ℝ𝑛 thì dãy 𝒙 𝑘 có giới hạn:

𝒙′ = lim 𝒙 𝑘 ⟹ 𝒙′ = 𝜦𝑾𝒙′ + 𝑰𝑛 − 𝜦 𝒖.
𝑘→∞

• Nếu ma trận 𝜦𝑾 là ổn định Schur (𝜌 𝜦𝑾 < 1) thì mọi nghiệm

của (1) hội tụ tới một điểm cân bằng xác định bởi
∞

𝒙′ = ෍ 𝜦𝑾 𝑘 𝑰𝑛 − 𝚲 𝒖 = 𝑰𝑛 − 𝜦𝑾 −1 𝑰𝑛 − 𝜦 𝒖.
𝑘=0

ĐH Bách khoa Hà Nội Điều khiển nối mạng 15

 Mô hình Friendkin-Johnsen
• Đánh số lại các tác tử sao cho các tác tử stubborn và những tác tử
bị ảnh hưởng bởi chúng từ 1 tới 𝑛′ ≤ 𝑛 và các tác tử oblivious (nếu
tồn tại) được đánh số từ 𝑛′ + 1 tới 𝑛.
11 11
𝑾= 𝑾 𝑾12 , 𝜦 = 𝜦 𝟎
u3
3 𝟎 𝑾22 𝟎 𝑰𝑛−𝑛′

𝒙1 𝑘
1 𝒙 𝑘 = 2
𝒙 𝑘
u1 u4
4

u2

ĐH Bách khoa Hà Nội Điều khiển nối mạng 16

 Mô hình Friendkin-Johnsen
• Mô hình F-J
𝒙 𝑘 + 1 = 𝜦𝑾𝒙 𝑘 + 𝑰𝑛 − 𝜦 𝒖, 𝒙 0 =𝒖 (2)
• Tính ổn định và hội tụ: Giả sử ma trận 𝜦11 𝑾11 là ổn định Schur.
• Hệ (2) là ổn định khi và chỉ khi hệ không tồn tại tác tử oblivious (𝜦𝑾 =
𝜦11 𝑾11 ).
• Khi có các tác tử oblivious, hệ (2) hội tụ khi và chỉ khi tồn tại giới hạn
22 𝑘 . Khi đó
𝑾22
∗ = lim 𝑾
𝑘→∞

′ 𝑰 − 𝜦11 𝑾11 −1
𝜦11 𝑾11 𝑾22
∗
𝒙 = lim 𝒙 𝑘 =
𝑘→∞ 𝟎 𝑾22
∗
• Hệ (2) là ổn định nếu đồ thị 𝐺 là liên thông mạnh và tồn tại ít nhất một
tác tử bảo thủ (𝜦 ≠ 𝑰𝑛 )

ĐH Bách khoa Hà Nội Điều khiển nối mạng 17

 Mô hình Friendkin-Johnsen
• Mô hình F-J
𝒙 𝑘 + 1 = 𝜦𝑾𝒙 𝑘 + 𝑰𝑛 − 𝚲 𝒖, 𝒙 0 =𝒖 (2)

• Điều kiện cần và đủ để hệ (2) hội tụ là tồn tại giới hạn

𝑘 𝟎 𝑰 − 𝜦11 𝑾11 −1 𝜦11 𝑾12 𝑾22

∗
𝑨∗ = lim 𝜦𝑾 = 22
𝑘→∞ 𝟎 𝑾∗
và khi đó 𝑘

𝒙 𝑘 = 𝑨𝑘 𝒙 0 + ෍ 𝑨𝑗 𝑰 − 𝚲 𝒖
𝑗=1
→ 𝑨∗ 𝒙 0 + σ∞ 𝑘
𝑘=0 𝑨 𝑰 − 𝚲 𝒖
11 11 −1
→ 𝑨∗ 𝒙 0 + 𝑰−𝜦 𝑾 𝑰 − 𝜦11 𝒖1
𝟎

ĐH Bách khoa Hà Nội Điều khiển nối mạng 18

 Mô hình Friendkin-Johnsen
• Ví dụ: Xét một mạng xã hội gồm 𝑛 = 4 tác tử, trong đó các mối quan
hệ giữa các cá nhân được cho bởi ma trận

0.220 0.120 0.360 0.300

𝑾 = 0.147 0.215 0.344 0.294
0 0 1 0
0.090 0.178 0.446 0.286

u3
3

1
u1 u4
4

u2

ĐH Bách khoa Hà Nội Điều khiển nối mạng 19

Mở rộng mô hình Friendkin-Johnsen
𝑇
• Vector quan điểm: 𝒙𝑖 𝑘 = 𝑥𝑖1 𝑘 , … , 𝑥𝑖𝑑 𝑘 ∈ ℝ𝑑
• Mở rộng số chiều tự𝑛nhiên của mô hình F-J:
𝒙𝑖 𝑘 + 1 = 𝜆𝑖𝑖 ෍ 𝜔𝑖𝑗 𝒙𝑗 𝑘 + 1 − 𝜆𝑖𝑖 𝒖𝑖 , 𝒖𝑖 ≔ 𝒙𝑖 0 (4)
𝑗=1
• Ví dụ: Xét mô hình (4) với 𝑾 như ở ví dụ trước đồng thời 𝚲 = 𝑰4 −
diag 𝑾 . 𝒙𝑗 (𝑘) là vector 2 chiều thể hiện quan điểm về 𝑑 = 2 chủ
đề độc lập
u3a u3b
3 3

0.220 0.120 0.360 0.300

𝑾 = 0.147 0.215 0.344 0.294 1 1
0 0 1 0 u 1a u 4a u 1b u 4b
0.090 0.178 0.446 0.286 4 4

2 2

u 2a u 2b

ĐH Bách khoa Hà Nội Điều khiển nối mạng 20

 Mô hình Friendkin-Johnsen
nhiều chiều
• Quan điểm về các chủ đề khác nhau thường không độc lập mà có liên
quan lẫn nhau
• Ví dụ: Xét một nhóm người thảo luận về hai chủ đề: món cá nói chung và cá
hồi nói riêng. Một người không thích ăn cá thì thường cũng không thích cá
hồi. Nếu sau quá trình thảo luận và bị ảnh hưởng bởi những người xung
quanh, người này thay đổi quan điểm thành thích ăn cá thì nhiều khả năng
người này cũng sẽ thích cá hồi ⟹ sự nhất quán trong quan điểm
• Mô hình FJ nhiều chiều:
𝒙𝑖 𝑘 + 1 = 𝜆𝑖𝑖 𝑪 σ𝑛𝑗=1 𝜔𝑖𝑗 𝒙𝑗 𝑘 + 1 − 𝜆𝑖𝑖 𝒖𝑖 (5)
• 𝑾 = 𝜔𝑖𝑗 : ma trận kề ứng với đồ thị tương tác 𝐺 ⟹ mô tả ảnh hưởng
giữa các tác tử trong mạng xã hội
• 𝑪 ∈ ℝ𝑑×𝑑 : ma trận logic (MiDS: Multi-issues dependence structure). Khi
𝑪 = 𝑰𝑑 thì mô hình (5) chuyển về (4)

ĐH Bách khoa Hà Nội Điều khiển nối mạng 21

 Ý nghĩa ma trận MiDS
• Xét mạng hình sao với 1 nút hoàn toàn bảo thủ nằm ở
trung tâm.
• 𝜆𝑗𝑗 = 0 và 𝜔𝑖𝑗 = 1 = 𝜆𝑖𝑖 với mỗi 𝑖 ≠ 𝑗
• 𝒙𝑖 𝑘 + 1 = 𝑪𝒖𝑗
• 𝑪 = 𝑐𝑝𝑞 ∈ ℝ𝑑×𝑑
𝑝 𝑞
• 𝑥𝑖 (𝑘 + 1) = σ𝑚
𝑞=1 𝑐𝑝𝑞 𝑢𝑗

• Quá trình thay đổi về ý kiến trong hệ này thực chất là quá
trình ý kiến của các tác tử tiến tới định kiến của nút bảo
thủ. Các phần tử trong ma trận MiDS chi phối lượng đóng
góp tương đối của các ý kiến của tác tử bảo thủ về những
chủ đề cụ thể từ đó hình thành ý kiến của các tác tử.

ĐH Bách khoa Hà Nội Điều khiển nối mạng 22

 Mô hình Friendkin-Johnsen
nhiều chiều
0.8 0.2
• Ví dụ: Ma trận 𝑪1 = u3a u3b
0.3 0.7 3 3

𝑇
𝒙 0 = 𝒖 = 25, 25, 25, 15, 75, −50, 85, 5 1 1
u 1a u 4a u 1b u 4b
4 4

2 2

u 2a u 2b

Cấu trúc của mô hình 2D F-J

với ma trận 𝑪

𝒙′𝐶1 = 39.2 12 39, 10.1 75 −50 56 5.3 𝑇

ĐH Bách khoa Hà Nội Điều khiển nối mạng 23

 Mô hình Friendkin-Johnsen
nhiều chiều
0.8 −0.2
• Ví dụ: Ma trận 𝑪2 = u3a u3b
−0.3 0.7 3 3

𝑇
𝒙 0 = 𝒖 = 25, 25, 25, 15, 75, −50, 85, 5 1 1
u 1a u 4a u 1b u 4b
4 4

2 2

u 2a u 2b

Cấu trúc của mô hình 2D F-J

với ma trận 𝑪

𝒙′𝐶1 = 52.3 −30.9 52.1 −33.3 75 −50 68.4 −33.2 𝑇

ĐH Bách khoa Hà Nội Điều khiển nối mạng 24

 Mô hình liên tục của mạng xã
hội nhiều chiều
• Dạng liên tục của mô hình F-J đa chiều?
• Mô hình 1:

𝒙ሶ 𝑖 𝑡 = ෍ 𝑎𝑖𝑗 𝑪 𝒙𝑗 𝑡 − 𝒙𝑖 𝑡 + 𝑪 − 𝑰𝑑 𝒙𝑖 𝑡 + 𝑏𝑖 𝒙𝑖 0 − 𝒙𝑖 𝑡
𝑗∈𝑁𝑖

• Mô hình 2:

𝒙ሶ 𝑖 𝑡 = ෍ 𝑎𝑖𝑗 𝒙𝑗 𝑡 − 𝒙𝑖 𝑡 + 𝑪 − 𝑰𝑑 𝒙𝑖 𝑡 + 𝑏𝑖 𝒙𝑖 0 − 𝒙𝑖 𝑡
𝑗∈𝑁𝑖

Ye et. al., Continuous-time opinion dynamics on multiple interdependent topics, Automatica 115 (2020) 108884.

ĐH Bách khoa Hà Nội Điều khiển nối mạng 25

 Mô hình liên tục của mạng xã
hội nhiều chiều
• Dạng liên tục của mô hình F-J đa chiều?
• Mô hình 1:

𝒙ሶ 𝑖 𝑡 = ෍ 𝑎𝑖𝑗 𝑪 𝒙𝑗 𝑡 − 𝒙𝑖 𝑡 + 𝑪 − 𝑰𝑑 𝒙𝑖 𝑡 + 𝑏𝑖 𝒙𝑖 0 − 𝒙𝑖 𝑡
𝑗∈𝑁𝑖

𝒙ሶ 𝑡 = − 𝓛 − 𝑰𝑛 𝑩 ⊗ 𝑪 + 𝑰𝑛𝑑 + 𝑩 ⊗ 𝑰𝑑 𝒙 + 𝑩 ⊗ 𝑰𝑑 𝒙 0

• Mô hình 2:
𝒙ሶ 𝑖 𝑡 = ෍ 𝑎𝑖𝑗 𝒙𝑗 𝑡 − 𝒙𝑖 𝑡 + 𝑪 − 𝑰𝑑 𝒙𝑖 𝑡 + 𝑏𝑖 𝒙𝑖 0 − 𝒙𝑖 𝑡
𝑗∈𝑁𝑖

𝒙ሶ 𝑡 = − 𝓛 + 𝑩 ⊗ 𝑰𝑑 + 𝑰𝑛 ⊗ 𝑰𝑑 − 𝑪 𝒙 + 𝑩 ⊗ 𝑰𝑑 𝒙 0

Ye et. al., Continuous-time opinion dynamics on multiple interdependent topics, Automatica 115 (2020) 108884.

ĐH Bách khoa Hà Nội Điều khiển nối mạng 26

 Tính hội tụ của mô hình
• Giả thiết: Ma trận 𝑪 có giá trị riêng 1 bội 𝑝 ≥ 1 với các vector riêng
𝑟 , 𝑟 = 1, … , 𝑝. Các giá trị riêng khác thỏa mãn ℜ𝔢 𝜆𝑘 𝑪
𝜻𝑟 , 𝝃⊤ <
1, ∀𝑘 > 𝑝, và 𝑐𝑖𝑖 ≥ 0, ∀𝑖 = 1, … , 𝑑.
• Khi không có định kiến:
• Mô hình 1: nếu ℜ𝔢 1 − 𝜆𝑖 𝓛 𝜆𝑘 𝑪 < 1, ∀𝑖 = 1, … , 𝑑, ta có
𝑝 𝑛

lim 𝒙𝑖 𝑡 = ෍ 𝜻𝑟 𝝃⊤
𝑟 ෍ 𝛾𝑗 𝒙𝑗 0 , ∀𝑖 = 1, … , 𝑛
𝑡→∞
𝑟=1 𝑗=1
• Mô hình 2: 𝑝 𝑛

lim 𝒙𝑖 𝑡 = ෍ 𝜻𝑟 𝝃⊤
𝑟 ෍ 𝛾𝑗 𝒙𝑗 0 , ∀𝑖 = 1, … , 𝑛
𝑡→∞
𝑟=1 𝑗=1

𝜻𝑟 , 𝝃⊤
𝑟 : các vector riêng bên phải và trái ứng với giá trị riêng 0 của ma trận 𝑪
𝜸⊤ = 𝛾1 , … , 𝛾𝑛 ⊤: vector riêng bên trái ứng với giá trị riêng 0 của ma trận 𝓛

ĐH Bách khoa Hà Nội Điều khiển nối mạng 27

 Tính hội tụ của mô hình
• Giả thiết: Ma trận 𝑪 có 𝑐𝑘𝑘 > 0, ∀𝑘 và 𝑪 ∞ = 1. Ma trận Laplace 𝓛 =
𝑙𝑖𝑗 có 𝑙𝑖𝑖 ≤ 1.
• Khi có định kiến: 𝑏𝑖 ≥ 0, ∀𝑖 và ∃𝑏𝑖 > 0, 𝑖 ∈ 1, … , 𝑛
• Mô hình 1:
−1
lim 𝒙 𝑡 = − 𝑰𝑛𝑑 + 𝓛 − 𝑰𝑛 ⊗ 𝑪 + 𝑩 ⊗ 𝑰𝑑 𝑩 ⊗ 𝑰𝑑 𝒙 0
𝑡→∞
• Mô hình 2:
−1
lim 𝒙 𝑡 = − 𝑰𝑛 ⊗ 𝑰𝑑 − 𝑪 + 𝓛 + 𝑩 ⊗ 𝑰𝑑 𝑩 ⊗ 𝑰𝑑 𝒙 0
𝑡→∞

ĐH Bách khoa Hà Nội Điều khiển nối mạng 28

 Mô phỏng
• Đồ thị có ma trận Laplace
1 0 −1 0 0 0 0 0
−1 1 0 0 0 0 0 0
0 −0.8 1 −0.2 0 0 0 0
𝓛= 0 0 −1 1 0 0 0 0
0 0 0 −0.4 1 0 −0.6 0
0 0 −0.2 0 −0.8 1 0 0
0 0 0 0 0 −1 1 0
−0.3 −0.7 0 0 0 0 0 1
• Ma trận logic:
1 0 0
𝑪 = −0.1 0.2 0.7
0.1 −0.8 0.1
Vấn đề 1: Lớp tổ chức đi chơi
Vấn đề 2: B sẽ đi chơi (B thích đi cùng C mặc dù B không thích đi chơi)
Vấn đề 3: C sẽ đi chơi (C thích đi chơi, tuy nhiên C không thích đi cùng B)

ĐH Bách khoa Hà Nội Điều khiển nối mạng 29

 Mô phỏng

Mô phỏng Mô hình 1 với 3 chủ đề khác nhau

trong trường hợp:
• không có định kiến
• Có định kiến và giả thuyết thỏa mãn
• Có định kiến và giả thuyết không thỏa
mãn

ĐH Bách khoa Hà Nội Điều khiển nối mạng 30

 Một số thuật ngữ
Tiếng Việt Tiếng Anh
Động học ý kiến Opinion dynamics
Ma trận logic giữa các chủ đề MiDS matrix (multi-issues dependent
structure matrix)

ĐH Bách khoa Hà Nội Điều khiển nối mạng 31