5. Koncepcja badań symulacyjnych sztucznych sieci
5.1. Parametry modelu odpowiadające za powstawanie więzi między agentami
Pośród parametrów używanych w prezentowanym w niniejszej pracy modelu sztucznego społeczeństwa można wydzielić te z nich, które mają związek z nawiązywaniem więzi między agentami, jak i te, które wiążą się z zanikiem znajomości. Do pierwszej z grup można zaliczyć: ilość obszarów zainteresowań in, nieprzekraczalną liczbę spotkań Vmm (jakie agent może odbyć w danym cyklu), parametr 𝑉𝑝𝑓 – sterujący prawdopodobieństwem spotkania „przyjaciela naszego przyjaciela”, promień sąsiedztwa rneighb oraz parametr 𝑐𝑙𝑜𝑠_𝑜𝑡ℎ𝑒𝑟 sterującego w symulacji prawdopodobieństwem spotkania obcego agenta.
W celu zwiększenia czytelności grupa parametrów odpowiadających zanikowi znajomości zostanie omówiona w kolejnym podrozdziale.
Pierwszym z omawianych tu parametrów modelu jest liczba obszarów zainteresowań agentów (in). Zgodnie z właściwościami agentów omówionymi w poprzednim rozdziale, proces nawiązania znajomości pomiędzy dwoma agentami jest tym bardziej prawdopodobny im bardziej podobne są ich zainteresowania. W przeprowadzonych eksperymentach symulacyjnych, osobowości agentów były generowane losowo z jednostajnym ( zwanym też jednorodnym – ang. uniform distribution) rozkładem cech, w szczególności tak też generowano rozkład zainteresowań każdego z agentów. W efekcie zwiększanie wartości parametru 𝑛𝑖 skutkuje większą różnorodnością profili zainteresowań agentów, a tym samym zmniejsza szanse na spotkanie agentów z podobnymi profilami zainteresowań, co przekłada się na charakterystyki tworzonych sieci społecznościowych.
Poniżej przedstawiono zależność wartości estymatora wykładnika rozkładu potęgowego stopni wierzchołków 𝛼 i średniego współczynnik gronowania < 𝐶 > tworzonej sieci wynikowej w funkcji in Rys. 5-3.
71 Rys. 5-3 Na lewym wykresie przedstawiono zmianę wartości estymatora wykładnika 𝛼 dopasowanego rozkładu
potęgowego stopni wierzchołków wynikowej sieci w funkcji ilości obszarów zainteresowań 𝑖𝑛 (persons
interests). Po prawej stronie przedstawiono wpływ zmiany tejże ilości obszarów zainteresowań na średni współczynnik gronowania < 𝐶 > tworzonych sieci.
Im większa jest wartość parametru 𝑖𝑛 tym mniej prawdopodobne staje się spotkanie agentów z pasującymi do siebie zainteresowaniami, czyli tym mniejsza jest szansa na utworzenie relacji między agentami. Warto zauważyć, że zmiana współczynnika skalowania 𝛼 nie jest monotoniczna ze zmianą ilości obszarów zainteresowań agentów 𝑖𝑛, tworząc maksimum lokalne około wartości 𝑖𝑛 = 10 i minimum lokalne około 𝑖𝑛 = 25. Obserwowany charakter zmian wartości wykładnika 𝛼 w funkcji 𝑖𝑛jest związany ze zmianami w strukturze tworzonych sieci społecznościowych.
Wpływ parametru symulacji 𝑉𝑚𝑚, - (maksymalnej liczby spotkań), jakie każdy agent może odbyć w cyklu 𝑡 na charakterystyki wynikowej sieci przedstawiono na poniższej ilustracji Rys. 5-4.
Rys. 5-4 Wpływ maksymalnej liczby spotkań 𝑉𝑚𝑚 jaką może odbyć każdy agent w pojedynczym cyklu symulacji: na wykładnik 𝛼 dopasowywanego rozkładu potęgowego (po lewej stronie) oraz na średni współczynnik
72 Liczba spotkań, jakie agent może odbyć w każdym cyklu symulacji ma wpływ głównie na współczynnik klasteryzacji. Dla bardzo niskich wartości parametru 𝑉𝑚𝑚, współczynnik skalowania 𝛼 - przyjmuje bardzo wysokie wartości, wskazując na nienaturalną strukturę sieci ze względu na brak możliwości nawiązywania wystarczająco wielu relacji między agentami. Takie zachowanie modelu jest zgodne z obserwacjami doświadczalnymi. U ludzi, którzy mają mniej czasu (np. bardzo dużo pracują, oglądają nadmiernie telewizję czy spędzają zbyt wiele czasu w Internecie (Nie, Hillygus, and Erbring 2000)) następuje osłabianie ich więzi społecznych. Gdyż ilość czasu dostępna w ciągu doby dla każdego człowieka jest stała, a wymienione powyżej aktywności zabierają czas dostępny na rzeczywiste kontakty. W przypadku Internetu o ile czas jest poświęcany na udzielanie się w mediach społecznościowych to nastąpi skurczenie się sieci kontaktów rzeczywistych na korzyść wzrostu liczby kontaktów wirtualnych.
Mechanizmem mającym znaczący wpływ na strukturę wynikowej sieci społecznej są spotkania, w których bierze udział trzech agentów. W modelu podobnie jak w realnym świecie na spotkanie ze znajomym można przyjść ze swoim przyjacielem. Aby zrealizować taki scenariusz w modelu wprowadzono parametr 𝑉𝑝𝑓 – sterujący częstością spotkań z „przyjaciółmi przyjaciół”. Na ilustracji Rys. 5-5 pokazano wpływ zmian wartości parametru 𝑉𝑝𝑓 na charakterystyki tworzonych sieci.
Rys. 5-5 Na lewym wykresie przedstawiono zależność dopasowanego wykładnika 𝛼 rozkładu potęgowego stopni
wierzchołków w generowanej sieci, w funkcji wartości parametru modelu 𝑉𝑝𝑓 (friend2nd meet chance), a na prawym wykresie pokazano, odpowiadający tworzonym sieciom średni współczynnik gronowania < 𝐶 >.
73 W stworzonym modelu sztucznego społeczeństwa mechanizm spotkań rozważono bardziej szczegółowo niż tylko, jako zależność procesu od nieprzekraczalnej ilości spotkań 𝑉𝑚𝑚, które może odbyć agent w danym cyklu symulacji 𝑡. A konkretnie, wydzielono dwa współzależne mechanizmy odpowiedzialne za spotkania agenta: składową „przypadkową” oraz wolicjonalną. Do pierwszej grupy należą przypadkowe spotkania sąsiadów i obcych, gdyż wiążą się one z codzienną aktywnością agenta i zachodzą jakby „przy okazji” (nie są wynikiem planowania). Częstość spotkań sąsiadów jest funkcją parametru symulacji rneig - promienia sąsiedztwa. Wpływ parametru rneig na wynikowe charakterystyki tworzonej sieci przedstawiono na ilustracji poniżej Rys. 5-6.
Rys. 5-6 Na lewym wykresie przedstawiono zależność dopasowanego do rozkładu stopni wierzchołków w wynikowej sieci wykładnika potęgowego 𝛼 w funkcji parametru symulacji 𝑟𝑛𝑒𝑖𝑔 (neighbour range), a na prawym wykresie pokazano średni współczynnik gronowania < 𝐶 > wynikowych sieci społecznościowych w funkcji
promienia sąsiedztwa 𝑟𝑛𝑒𝑖𝑔.
Poniżej na rysunku przedstawiono zmianę charakterystyk wynikowych sieci społecznych w funkcji parametru 𝑐𝑙𝑜𝑠_𝑜𝑡ℎ𝑒𝑟 sterującego w symulacji częstością spotkań agenta z obcymi mu agentami.
74 Rys. 5-7 Na lewym wykresie pokazano zależność dopasowanego wykładnika 𝛼 od wartości parametru symulacji 𝑐𝑙𝑜𝑠_𝑜𝑡ℎ𝑒𝑟 sterującego w symulacji prawdopodobieństwem spotkania obcego (distant meet chance), a na prawym wykresie przedstawiono zależność średniego współczynnika gronowania wynikowych sieci < 𝐶 > od
tegoż parametru.
Ponieważ nieprzekraczalną liczbę spotkań, jaką może odbyć agent, określa parametr 𝑉𝑚𝑚, to zwiększenie liczby spotkań przypadkowych zmniejsza automatycznie liczbę możliwych do odbycia przez danego agenta spotkań intencjonalnych (wolincjonalnych), co znacząco wpływa na właściwości tworzonych w modelu sieci społecznościowych powodując spadek ich średniego współczynnika klasteryzacji < 𝐶 >.
Podsumowując: dla zadanej nieprzekraczalnej liczby spotkań - 𝑉𝑚𝑚, jaką może w danym cyklu 𝑡 odbyć agent, tym większy będzie średni współczynnik klasteryzacji sieci wynikowej < 𝐶 >, im więcej spotkań intencjonalnych („zaplanowanych” patrz rozdział 4) może odbyć agent.