小世界网络中基于Agent的创新扩散建模及仿真研究

发布时间：2019-11-08 08:03

【摘要】：随着人类科技的不断发展,技术水平的不断提高,当今世界的创新产品的更新换代速度变得越来越快。各个国家和企业都把创新研发作为最重要的发展战略,并建立了产业集群,孵化园区等创新基地,其目的都是为了研发出更多的创新并让创新有效地在网络中扩散。很多学者对于创新扩散模型进行了研究,从数学模型到元胞自动机模型和基于Agent的模型,创新扩散研究取得了较大的进展。本论文在小世界网络环境下构建了一个具有记忆功能的基于Agent的创新扩散模型。借助Matlab数学软件,设计了创新的扩散环境,并对单一创新扩散的情形和两种竞争性创新同时扩散的情形分别进行了仿真研究。在单一创新扩散的情形下,仿真结果显示：采用分散式扩散策略比采用集中式扩散策略的效果好,而且通过增加网络中节点的“创新感知”能够有效地减少扩散的"Lock-In"状态。在两种竞争性创新同时扩散的情形中,分析如何通过改变口碑和广告策略来找到最优的扩散,增加创新的市场份额。研究结果显示,初始市场占有率较低的创新在扩散的前期和后期采用口碑策略,而在扩散的中期采用广告投放策略能够使得创新扩散达到最优的效果。
【图文】：

临界值,小集团,次数

接下来分析临界值的影响。我们通过改变临界值的大小，来观察小集团式集中扩散和非小集团式集中扩散达到饱和时的仿真次数。结果如图4.3所示，，将临界值L的值从0.5变化到0.75，每次改变的幅度是0.05。虽然随着临界值的增加，创新扩散达到饱和时的次数都在慢慢增加，但是当临界值小于0.7的情况下，小集团式集中扩散达到饱和的次数总要小于非小集团式的集中扩散。当临界值为0.7以后，小集团式和非小集团式的集中式扩散方式都不能在网络中达到完全扩散，只能扩散到部分网络，那也是为什么它们到达完全扩散的次数都小于50次，要远远小于临界值小于0.7的情形。在临界值为O

S型曲线,集中式,分散式,扩散方式

取平均值后得到的结果)。首先固定接受创新的临界值，考察在相同的临界值下，两种扩散方式对于网络中创新扩散的影响。在这里使用的参数是L二0.6，R二0.25，叭=0.3，w址二0.7，得出的结果如图4.4和图4.5所示。按照正常的思维逻辑，直观上会认为采用集中式扩散的创新应该会在扩散初始阶段有较大的创新效应，使得创新更快的扩散，而采用分散式的创新扩散方式在扩散初始阶段创新的效应比较小，很容易在创新开始阶段就导致扩散失败。但是从图4.4的结果中可以看到，在开始阶段扩散比较快的反而是采用分散式扩散的策略，而且分散式扩散在整个扩散过程中一直比集中式扩散来的迅速，这充分说明分散式在扩散可以正常进行的任何情况下，速度总是大于集中式扩散，这也可以理解，“多点开花”进行的扩散总归会比从一处开始蔓延的扩散速度要快(在图4.4中，分散式扩散S型曲线不明显是因为相对于集中式扩散
【学位授予单位】：华东理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：O157.5

【参考文献】