Storyboard

Convergencia continua de opinión entre agentes previa al corte binario de decisión. Incluye la escala aproximada del número de clusters finales de opinión en función del umbral de confianza, que es la salida clave para explorar el régimen de consenso vs. fragmentación en el simulador.

>Modelo

ID:('ky', 1597)

Storyboard

$x_i(t+1)=x_i(t)+\mu_{BC}(x_j(t)-x_i(t))$

Variables

$mu_{BC}$

Intensidad de convergencia

$1$

$x_i(t+1)$

Opinión actualizada del agente i

$1$

$x_i$

Opinión del agente i

$1$

$x_j$

Opinión del agente j

$1$

>Modelo

ID:('gm', 14046)

Storyboard

$x_j(t+1)=x_j(t)+\mu_{BC}(x_i(t)-x_j(t))$

Variables

$mu_{BC}$

Intensidad de convergencia

$1$

$x_j(t+1)$

Opinión actualizada del agente j

$1$

$x_i$

Opinión del agente i

$1$

$x_j$

Opinión del agente j

$1$

>Modelo

ID:('gm', 14047)

Storyboard

$|x_i-x_j|<\epsilon_{BC}$

Variables

$x_i$

Opinión del agente i

$1$

$x_j$

Opinión del agente j

$1$

$epsilon_{BC}$

Umbral de confianza

$1$

>Modelo

ID:('gm', 14048)

Storyboard

$\bar{x}=\frac{1}{N}\sum_i x_i(t)$

Variables

$N$

Número de agentes

$1$

$x_i$

Opinión del agente i

$1$

$ar{x}$

Opinión promedio

$1$

>Modelo

ID:('gm', 14049)

Storyboard

$N_{clusters}=\left\lceil\frac{1}{2\epsilon_{BC}}\right\rceil$

Variables

$N_{clusters}$

Número aproximado de clusters finales

$1$

$epsilon_{BC}$

Umbral de confianza

$1$

>Modelo

ID:('gm', 14050)

Storyboard

$\tau_{conv}=\frac{1}{\mu_{BC}}$

Variables

$mu_{BC}$

Intensidad de convergencia

$1$

$ au_{conv}$

Tiempo característico de convergencia

$s$

>Modelo

ID:('gm', 14051)

Descripción

Red de modelo

• Método alternativo
• Método tradicional
• Estrategia
• 2D
• 3D

Ecuación

Número

Primero, seleccione la ecuación:   a ,  luego, seleccione la variable:   a 

---

Símbolo

Ecuación

Resuelto

Traducido

Cálculos

Símbolo

Ecuación

Resuelto

Traducido

 Variable   Dado   Calcule   Objetivo :   Ecuación   A utilizar

Variables

$mu_{BC}$

mu_bc

Intensidad de convergencia

1

$N_{clusters}$

N_clusters

Número aproximado de clusters finales

1

$N$

N_ag

Número de agentes

1

$x_i(t+1)$

x_i_next

Opinión actualizada del agente i

1

$x_j(t+1)$

x_j_next

Opinión actualizada del agente j

1

$x_i$

x_i

Opinión del agente i

1

$x_j$

x_j

Opinión del agente j

1

$ar{x}$

x_avg

Opinión promedio

1

$epsilon_{BC}$

eps_bc

Umbral de confianza

1

$ au_{conv}$

tau_conv

Tiempo característico de convergencia

s

ID:(0, 1597)