Σύγκλιση και σημεία ισορροπίας σε παίγνια συνεξελικτικής διαμόρφωσης άποψης

Λίβανος, Βασίλειος; Livanos, Vasileios

dc.contributor.author	Λίβανος, Βασίλειος	el
dc.contributor.author	Livanos, Vasileios	en
dc.date.accessioned	2017-06-23T09:24:03Z
dc.date.available	2017-06-23T09:24:03Z
dc.date.issued	2017-06-23
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/45088
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.14211
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Αλγοριθμική θεωρία παιγνίων	el
dc.subject	Κοινωνικά δίκτυα	el
dc.subject	Δυναμική διαμόρφωση άποψης	el
dc.subject	Συνεξελικτικά μοντέλα	el
dc.subject	Algorithmic game theory	en
dc.subject	Social networks	en
dc.subject	Opinion dynamics	en
dc.subject	Coevolutionary models	en
dc.title	Σύγκλιση και σημεία ισορροπίας σε παίγνια συνεξελικτικής διαμόρφωσης άποψης	el
dc.title	Convergence and equilibria in coevolutionary opinion formation games	en
heal.type	bachelorThesis
heal.classification	Αλγόριθμοι και πολυπλοκότητα	el
heal.classification	Algorithms	en
heal.classificationURI	http://data.seab.gr/concepts/916a3b37862d25c71eb7293f7b653e91636f92a7
heal.classificationURI	http://skos.um.es/unescothes/C00134
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2017-03-21
heal.abstract	Στην σύγχρονη εποχή, οι ζωές μας επηρεάζονται πολύ από τα κοινωνικά δίκτυα στα οποία ανήκουμε. Παρόλαυτα, δεν έχουμε ακόμα κατανοήσει σε βάθος ούτε το πώς αυτά δουλεύουν, ούτε το πώς οι αλληλεπιδράσεις μεταξύ των ανθρώπων επηρεάζουν το κοινωνικό δίκτυο. Εμπνευσμένοι από αυτές τις παρατηρήσεις, προσπαθούμε να μοντελοποιήσουμε με μαθηματικό τρόπο τις αλληλεπιδράσεις και την ανταλλαγή απόψεων μεταξύ των πρακτόρων, εισάγωντας μοντέλα που προσομοιώνουν την διαμόρφωση των απόψεων στο κοινωνικό δίκτυο. Οι σημαντικότερες ερωτήσεις που προσπαθούμε να απαντήσουμε είναι εάν τα μοντέλα αυτά οδηγούν τους πράκτορες να συγκλίνουν σε συγκεκριμένες σταθερές απόψεις και, σε αυτήν την περίπτωση, πόσο γρήγορα το σύστημά μας φθάνει σε αυτή την σταθερή κατάσταση. Σε αυτή την διπλωματική εργασία, μελετάμε σύνθετα μοντέλα που επιτρέπουν στις απόψεις των πρακτόρων και στο υποκείμενο κοινωνικό δίκτυο να συνεξελίσσονται. Αρχικά παρουσιάζουμε τα βασικά μοντέλα διαμόρφωσης άποψης, καθώς και τα σημαντικότερα αποτελέσματα για τις ιδιότητες σύγκλισής τους, και στην συνέχεια επικεντρώνουμε την ανάλυσή μας στο συνεξελικτικό μοντέλο Hegselmann-Krause (HK) και στις διάφορες παραλλαγές του. Συνεχίζουμε παρουσιάζοντας μία συλλογή από τα σημαντικότερα μαθηματικά εργαλεία και θεωρήματα που χρησιμοποιούνται για την ανάλυση πολλών μοντέλων διαμόρφωσης άποψης και, τελειώνοντας, καταδεικνύουμε την δύναμη της s-ενέργειας ενός συστήματος ως εργαλείο ανάλυσης, χρησιμοποιώντας το για την μελέτη των ιδιοτήτων σύγκλισης αρκετών παραλλαγών του HK μοντέλου.	el
heal.abstract	In the modern world, our lives are heavily influenced by the social networks we belong to. However, we still do not have a deep understanding of the way they work, or how the interactions between agents influence the network. Inspired by this observations, we attempt to formalize the agents' interactions and exchange of opinion by introducing and analyzing several mathematical models that simulate the formation of opinions in our social network. The main questions we focus our attention on are whether these models lead the agents to converge to certain fixed opinions and, if so, how fast the system reaches this stable state. In this diploma thesis, we study complex models that allow the agents' opinions and the underlying social network to coevolve. We begin by presenting the basic opinion formation models, along with the most important results about the convergence properties, before focusing on the Hegselmann-Krause (HK) coevolutionary model and its variants. We continue by introducing a collection of the most important mathematical tools and theorems that are used to analyze many opinion formation models and finally, we demonstrate the power of a system's s-energy as an analysis tool, as we use it to study the convergence properties of several variations of the HK model.	en
heal.advisorName	Φωτάκης, Δημήτρης	el
heal.committeeMemberName	Φωτάκης, Δημήτρης	el
heal.committeeMemberName	Παγουρτζής, Αριστείδης	el
heal.committeeMemberName	Παπασπύρου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Λογικής και Επιστήμης Υπολογισμών	el
heal.academicPublisherID	ntua
heal.numberOfPages	101 σ.
heal.fullTextAvailability	true