Aplicações de processos estocásticos a dinâmicas sociais constituem tema de grande relevância nos últimos anos. Especialmente desafiadores são os modelos de opinião com confiança limitada dada a sua falta de linearidade. Com isso, simulações e resultados numéricos possuem elevada importância. Neste trabalho, focamos em dois dos principais modelos de confiança limitada, nomeadamente os modelos de Hegselmann-Krause e de Deffuant-Weisbuch. Em ambos os casos, e necessário que a diferença de opiniões entre dois dados agentes seja menor que o limite de confiança, parâmetro do modelo. Porém, enquanto no modelo de Hegselmann-Krause a interação a cada etapa se dá entre todos os agentes vizinhos entre si, no modelo de Deffuant-Weisbuch a interação ocorre entre apenas dois agentes por vez. Apresentamos aqui uma revisão da literatura associada ao tema, incluindo resultados numéricos e analíticos sobre o comportamento de ambos os modelos, principalmente no tocante a convergência e condições em que se estabelecem o consenso ou a fragmentação de opiniões. / Applications of stochastic processes to social dynamics constitute a prominent research field of the last years. Especially challenging are opinion models with bounded confidence, given their lack of linearity. Thus, simulations and numerical results are highly important. In this work, we focus on two of the main bounded confidence models, namely Hegelsemann-Krause and Deffuant-Weisbuch models. In both cases, it is necessary that the difference between two agents\' opinions is less than the confidence bound, a parameter of the model. However, while at the Hegselmann-Krause model the interaction at each step occurs among all neighboring agents, at the Deffuant-Weisbuch model the interaction happens between only two agents each time. We present here a review of the literature concerned to the subject, including numerical and analytical results about the behavior of both models, mainly those related to convergence and conditions under which consensus or fragmentation take place.

Aplicações de processos estocásticos a dinâmicas sociais constituem tema de grande relevância nos últimos anos. Especialmente desafiadores são os modelos de opinião com confiança limitada dada a sua falta de linearidade. Com isso, simulações e resultados numéricos possuem elevada importância. Neste trabalho, focamos em dois dos principais modelos de confiança limitada, nomeadamente os modelos de Hegselmann-Krause e de Deffuant-Weisbuch. Em ambos os casos, e necessário que a diferença de opiniões entre dois dados agentes seja menor que o limite de confiança, parâmetro do modelo. Porém, enquanto no modelo de Hegselmann-Krause a interação a cada etapa se dá entre todos os agentes vizinhos entre si, no modelo de Deffuant-Weisbuch a interação ocorre entre apenas dois agentes por vez. Apresentamos aqui uma revisão da literatura associada ao tema, incluindo resultados numéricos e analíticos sobre o comportamento de ambos os modelos, principalmente no tocante a convergência e condições em que se estabelecem o consenso ou a fragmentação de opiniões. / Applications of stochastic processes to social dynamics constitute a prominent research field of the last years. Especially challenging are opinion models with bounded confidence, given their lack of linearity. Thus, simulations and numerical results are highly important. In this work, we focus on two of the main bounded confidence models, namely Hegelsemann-Krause and Deffuant-Weisbuch models. In both cases, it is necessary that the difference between two agents\' opinions is less than the confidence bound, a parameter of the model. However, while at the Hegselmann-Krause model the interaction at each step occurs among all neighboring agents, at the Deffuant-Weisbuch model the interaction happens between only two agents each time. We present here a review of the literature concerned to the subject, including numerical and analytical results about the behavior of both models, mainly those related to convergence and conditions under which consensus or fragmentation take place.

Fenômenos coletivos em redes sociais como a formação de linguagem ou cultura, crenças, emergência de consenso em relação a algum assunto, aquisição de conhecimento e aprendizagem, dentre outros, tem conduzido a um grande interesse no estudo de comportamentos cooperativos e fenômenos sociais, resultando numa grande variedade de dinâmicas de opinião. Nestes modelos, uma população de agentes interagentes carrega uma variável (ou um conjunto delas) numérica cujo valor representa uma opinião sobre um tópico, com interpretações distintas em cada contexto. Inspirados em conceitos de mecânica estatística e mecanismos sociais, estes estados evoluem governados por regras matemáticas que controlam a dinâmica de interação entre os agentes e a influência de fatores externos. Outro ingrediente importante na modelagem de sistemas reais é que a representação das interações entre agentes difere bastante de reticulados ou misturas homogêneas, sendo mais bem descritas por redes complexas. Neste trabalho, estudamos a dinâmica de opinião de Krause e Hegselmann. Neste modelo, agentes possuem opiniões que assumem valores contínuos e são atualizados de acordo com a vizinhança compatível, definida pelo princípio da confiança limitada. Após apresentar uma revisão da literatura, estudamos a dinâmica de opinião no contexto de Redes Complexas, seguido de modificações do modelo que consideram a ação de ruído e campo externo (propaganda). Finalmente, propomos um modelo de consenso cuja interpretação está inserida no contexto de aquisição de conhecimento por agentes interagentes que realizam observações sujeitas a erros. Os resultados mostram como os diferentes tipos de topologia influenciam no comportamento das dinâmicas. / Collective phenomena in social networks such as formation of language or culture, beliefs, emergence of consensus on any subject, knowledge acquisition and learning, among others, has led to an increasing interest in the study of cooperative behavior and social phenomena, resulting in great variety of opinion dynamics. In these models, a population of interacting agents holds a variable (or a set of them) whose numerical value is an opinion on a topic, with different interpretations in each context. Inspired by concepts from statistical mechanics and social mechanisms, these states evolve governed by mathematical rules that control the dynamics of interaction between agents and the influence of external factors. Another important ingredient in the modeling of real systems is the representation of the interactions between agents, which strongly differs from lattices or fully mixed states, being better described by complex networks. In the present work, we study the opinion dynamics of Krause and Hegselmann. In this model, agents hold opinions that assume continuous values and are updated according to their compatible neighborhood, defined by the bounded confidence principle. After presenting a literature review, we studied the opinion dynamics in the context of complex networks, followed by modifications of the model considering the effect of noise and external field (advertising). Finally, we propose a consensus model interpreted as a process of knowledge acquisition by interacting agents that make observations subject to errors. The results show how the topology influences the dynamic behavior.

Fenômenos coletivos em redes sociais como a formação de linguagem ou cultura, crenças, emergência de consenso em relação a algum assunto, aquisição de conhecimento e aprendizagem, dentre outros, tem conduzido a um grande interesse no estudo de comportamentos cooperativos e fenômenos sociais, resultando numa grande variedade de dinâmicas de opinião. Nestes modelos, uma população de agentes interagentes carrega uma variável (ou um conjunto delas) numérica cujo valor representa uma opinião sobre um tópico, com interpretações distintas em cada contexto. Inspirados em conceitos de mecânica estatística e mecanismos sociais, estes estados evoluem governados por regras matemáticas que controlam a dinâmica de interação entre os agentes e a influência de fatores externos. Outro ingrediente importante na modelagem de sistemas reais é que a representação das interações entre agentes difere bastante de reticulados ou misturas homogêneas, sendo mais bem descritas por redes complexas. Neste trabalho, estudamos a dinâmica de opinião de Krause e Hegselmann. Neste modelo, agentes possuem opiniões que assumem valores contínuos e são atualizados de acordo com a vizinhança compatível, definida pelo princípio da confiança limitada. Após apresentar uma revisão da literatura, estudamos a dinâmica de opinião no contexto de Redes Complexas, seguido de modificações do modelo que consideram a ação de ruído e campo externo (propaganda). Finalmente, propomos um modelo de consenso cuja interpretação está inserida no contexto de aquisição de conhecimento por agentes interagentes que realizam observações sujeitas a erros. Os resultados mostram como os diferentes tipos de topologia influenciam no comportamento das dinâmicas. / Collective phenomena in social networks such as formation of language or culture, beliefs, emergence of consensus on any subject, knowledge acquisition and learning, among others, has led to an increasing interest in the study of cooperative behavior and social phenomena, resulting in great variety of opinion dynamics. In these models, a population of interacting agents holds a variable (or a set of them) whose numerical value is an opinion on a topic, with different interpretations in each context. Inspired by concepts from statistical mechanics and social mechanisms, these states evolve governed by mathematical rules that control the dynamics of interaction between agents and the influence of external factors. Another important ingredient in the modeling of real systems is the representation of the interactions between agents, which strongly differs from lattices or fully mixed states, being better described by complex networks. In the present work, we study the opinion dynamics of Krause and Hegselmann. In this model, agents hold opinions that assume continuous values and are updated according to their compatible neighborhood, defined by the bounded confidence principle. After presenting a literature review, we studied the opinion dynamics in the context of complex networks, followed by modifications of the model considering the effect of noise and external field (advertising). Finally, we propose a consensus model interpreted as a process of knowledge acquisition by interacting agents that make observations subject to errors. The results show how the topology influences the dynamic behavior.

The Hegselmann-Krause system (HK system for short) is one of the most popular models for the dynamics of opinion formation in multi agent systems. Agents are modeled as points in opinion space, and at every time step, each agent moves to the mass center of all the agents within unit distance. The rate of convergence of HK systems has been the subject of several recent works and the current best bounds are O(n3) in one dimension and O(n4) in higher dimension where n being the number of agents. In this work, we investigate the convergence behavior of a few natural variations of the HK system and their e act on the dynamics. In the rest variation, we only allow pairs of agents who are friends in an underlying social network to communicate with each other and we can construct conjurations. In the second variation, only one of the agents updates its position at each time step and selection of such an agent may be at random or based on some preened order; as before, these updates of agents also take social information into consideration. In the third variant, agents may not move exactly to the mass center but somewhere close to it. In the fourth variant, we allow all agents to interact with one another, but instead of assigning equal weights to all neighbors as in the HK model, we assign Gaussian weights which are inversely proportional to the distance between agents. In the fifth variant, we consider the Synchronized Bounded In hence model where the agents have in hence bounds instead of con dance bounds, which changes the way agents interact with each other. In our nil variant, we consider the dynamics of HK systems with strategic agents where we have an additional set of agents called as strategic agents whose opinions are chosen freely at each time step. One of the goals using these strategic agents is to lower the convergence time. The dynamics of all the variants are qualitatively very different from that of the classical HK system. Nevertheless, we prove convergence or show some other interesting results for all of these models. To be more specific, for the rest and third variant we show that these systems make only polynomial number of non-trivial steps, regardless of the social network in the rest vary-ant and noise patterns in the third variant. For the second variant, however, we again show polynomial number of non-trivial steps but in expectation regardless of the social network and interestingly different dynamics. For the fourth variant, we prove an upper bound for the convergence time of Gaussian weighted HK model. For the fifth variant, we consider a special case of this SBI model and prove convergence for this case. For the final variant, we improve the existing results for the optimal convergence time for dumb-bell and equidistant configurations.