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.

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

$1$

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

$1$

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

$1$

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

$1$

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

$1$

ID:('gm', 14050)

Storyboard

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

Variables

$mu_{BC}$

Intensidad de convergencia

$1$

$ au_{conv}$

Tiempo característico de convergencia

$s$

ID:('gm', 14051)