一种基于agent社会圈子网络的腐败传播模型建模仿真方法

摘要

本发明涉及一种基于agent社会圈子网络的腐败传播模型建模仿真方法，属于计算机仿真领域。本发明首先在二维空间网络中设置agent节点；然后建立agent的社会圈子网络；其次建立腐败传播概率模型；再加入举报成功率和成功检察率；最后利用建立的社会圈子网络对腐败的传播进行建模仿真。本发明可以统计多种实际社会网络特征的方法，可以灵活描述大规模社会网络耦合演化的机理；个体网络规模由于社会半径的不同而产生差异、聚类系数较高并且规模随时间动态变化；腐败agent会改变圈子内部的连接关系；可以表达人们社会交往圈子和社会网络复杂的社群和层次结构的异质性。

说明书

技术领域

本发明涉及一种基于agent社会圈子网络的腐败传播模型建模仿真方法，属于计算机仿真领域。

背景技术

短期内，社会中腐败状态从从高向低的过渡是比较罕见，而现已有的大多是在国家或组织层次上研究腐败的来龙去脉，很少有对产生腐败行为的个体决策过程上探讨。然而，无法轻视的是，组织是否参与腐败主要是来源于管理者的决定，即个体的决策。通常情况下，社会原因和组织原因波动不大，所以，要想在国家或组织内部提出有效的反腐措施从宏观和中观层次上来探讨是很难的。故此,很有必要从微观层面上来探讨腐败。在微观层面上构建了一个基于agent社会圈子网络，引入了举报成功率和成功检察率两个参数进行计算模拟仿真，以通过微观层次的涌现过程来分析和探索从高腐败的状态向低腐败的状态过渡的过程以及其降低腐败的途径。利用agent社会圈子理论建立的腐败传播网络更加贴近实际社会，可以表达人们的社会交往圈子、社会网络中复杂的社群以及层次结构的异质性。真实的社会接触网络由于受到人员日常行为不断变化的驱动，必然是一个动态演化的过程，这种演化过程将使得网络拓扑结构特征发生变化，从而影响到其腐败传播过程。

发明内容

本发明提供一种基于agent社会圈子网络的腐败传播模型建模仿真方法，以通过微观层次的涌现过程来分析和探索从高腐败的状态向低腐败的状态过渡的过程以及其降低腐败的途径。

本发明的技术方案是：一种基于agent社会圈子网络的腐败传播模型建模仿真方法，首先在二维空间网络中设置agent节点；然后建立agent的社会圈子网络；其次建立腐败传播概率模型；再加入举报成功率和成功检察率；最后利用建立的社会圈子网络对腐败的传播进行建模仿真。

所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述在二维空间网络中设置agent节点包括：将agent种类分为公民和官僚，同时为每种agent种类分配一定数量的人口；为agent分配社会半径并设置小、中、大三种社会半径的人口分布比例Spop％、Mpop％和Bpop％，且Spop％+Mpop％+Bpop％＝1；并且设置agent的固有属性对诚实的态度，即诚实度。

所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述建立agent的社会圈子网络包括各agent节点根据自身的社会半径建立社会网络。

所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述建立腐败传播概率模型包括agent之间的行为和交互，其具体步骤如下：

(1)决定：每个agent通过权衡个人对腐败的腐败收益x

x

在此，x

(2)相互作用：在每个时间步长中，每个公民都选择在离自己最近的政府办公室的一个随机的官僚进行交流。正是在此过程中，如果公民或官僚中有一方agent腐败而另一方不腐败，则受到影响的agent会将与之匹配的提议腐败的agent报告给外部执法机构。(这导致提议腐败的agent的反属性增加了1)；

(3)计算agent的腐败收益：尽管收益x是在每次运行开始时由用户确定的，但agent会根据他们对诚实的个人倾向i来衡量收益，由于agent具有内在的诚实倾向，对于代表完全诚实的i＝1而言，道德成本会很高，而对于代表完全腐败的i＝0来说，道德成本则不存在。因此，即使x在模型中具有固定值，每个agent对x的感受也不同。完全诚实的agent会从不正确的交互中获得零，而只有完全腐败的代理会获得全部x。基于以上考虑，agent的腐败收益如下式②:

x

因此，较高的诚实度与agent因腐败而获得的个人收益x

(4)匹配到腐败agent的概率：agent根据另一个agent进行的腐败交互次数n来估计该agent匹配到腐败agent的概率A，总交互总数为N，即A＝n/N，N表示该agent由用户决定的短期行为内存长度。

(5)进入监狱的可能性：agent通过查看感知到的腐败定罪概率B来确定入狱的风险，该概率B＝m/M。其中m表示为监狱中朋友的总数，M表示在上一个时间步中进行的腐败互动的总数。

(6)强制执法：一个agent达到一定数量的腐败举报后(被另一个agent举报的次数a≥执法机构确定的最多被举报数b)，该模型之外的执法机构将此agent送进监狱。被起诉的agent在入狱前将获得最终的非腐败收益y。在这一环节中，执法机构确定的最多被举报数b可以用来表示政府对腐败的打击力度。

(7)更新记忆：交互结束后，agent会更新其内存，以包括与他交互的agent做出的决定。

(8)改变诚实度：在每个步骤的最后，是否有邻居影响？激活此开关后，agent和官僚们通过诚实度变化来改变其诚实态度，以更好地反映其邻居的平均诚实态度。如果agent的诚实态度已经反映出他的邻居，则此步骤不会进行任何更改。

(9)进入监狱：不活动的agent(当前在监狱中的人员)的服刑时间为监狱时间的一个时间单位。如果他们已完成入狱，则将其释放，将其当前策略重置为不腐败(以便邻居至少在该时间段内将其“改革”)，并可以在以后的时间段中自由地进行互动。

所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述加入举报成功率和成功检察率是为了更真实的还原现实社会。

本发明的有益效果是：本发明通过改进社会圈子网络模型，在腐败传播中考虑了举报成功率和成功检查率的影响，使模型更贴合实际。通过所构建出来的模型中，微观个体以及个体与环境间的互相作用在宏观层次上的涌现，从公民和官僚的互动中内生性的解释了腐败状态从高向低过渡的过程，从道德自察和刑罚力度方面来建立反腐机制，分别比较了它们所产生的反腐效果。它是一种可以统计多种实际社会网络特征的方法，它由agent自己构建和管理社会关系，更加接近实际社会的运行机制，可以灵活描述大规模社会网络演化的机理。网络中个体的社会半径不同，所形成的社会圈子大小不同，会形成圈子之间的弱连接，并且社会半径大的个体之间倾向于互相连接，可以表达人们社会交往圈子和社会网络复杂的社群和层次结构的异质性。

附图说明

图1为本发明社会圈子中个体的联系情况示意图一；

图2为本发明社会圈子中个体的联系情况示意图二；

图3为本发明社会圈子中个体的联系情况示意图三；

图4为本发明中实体类型概述图；

图5为本发明中agent的行为和交互关系流程图；

图6为本发明的仿真情形一；

图7为本发明的仿真情形二。

具体实施步骤

实施例1：如图1-7所示，一种基于agent社会圈子网络的腐败传播模型建模仿真方法，首先在二维空间网络中设置agent节点；然后建立agent的社会圈子网络；其次建立腐败传播概率模型；再加入举报成功率和成功检察率；最后利用建立的社会圈子网络对腐败的传播进行建模仿真。

进一步地，所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述在二维空间网络中设置agent节点包括：将agent种类分为公民和官僚，同时为每种agent种类分配一定数量的人口；为agent分配社会半径并设置小、中、大三种社会半径的人口分布比例Spop％、Mpop％和Bpop％，且Spop％+Mpop％+Bpop％＝1；并且设置agent的固有属性对诚实的态度，即诚实度。

进一步地，所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述建立agent的社会圈子网络包括各agent节点根据自身的社会半径建立社会网络。

更进一步地，所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述建立腐败传播概率模型包括agent之间的行为和交互，其具体步骤如下：

(1)决定：每个agent通过权衡个人对腐败的腐败收益x

x

在此，x

表1收益矩阵

(2)相互作用：在每个时间步长中，每个公民都选择在离自己最近的政府办公室的一个随机的官僚进行交流。正是在此过程中，如果公民或官僚中有一方agent腐败而另一方不腐败，则受到影响的agent会将与之匹配的提议腐败的agent报告给外部执法机构。(这导致提议腐败的agent的反属性增加了1)；

(3)计算agent的腐败收益：尽管收益x是在每次运行开始时由用户确定的，但agent会根据他们对诚实的个人倾向i来衡量收益，由于agent具有内在的诚实倾向，对于代表完全诚实的i＝1而言，道德成本会很高，而对于代表完全腐败的i＝0来说，道德成本则不存在。因此，即使x在模型中具有固定值，每个agent对x的感受也不同。完全诚实的agent会从不正确的交互中获得零，而只有完全腐败的代理会获得全部x。基于以上考虑，agent的腐败收益如下式②:

x

因此，较高的诚实度与agent因腐败而获得的个人收益x

(4)匹配到腐败agent的概率：agent根据另一个agent进行的腐败交互次数n来估计该agent匹配到腐败agent的概率A，总交互总数为N，即A＝n/N，N表示该agent由用户决定的短期行为内存长度。

(5)进入监狱的可能性：agent通过查看感知到的腐败定罪概率B来确定入狱的风险，该概率B＝m/M。其中m表示为监狱中朋友的总数，M表示在上一个时间步中进行的腐败互动的总数。

(6)强制执法：一个agent达到一定数量的腐败举报后(被另一个agent举报的次数a≥执法机构确定的最多被举报数b)，该模型之外的执法机构将此agent送进监狱。被起诉的agent在入狱前将获得最终的非腐败收益y。在这一环节中，执法机构确定的最多被举报数b可以用来表示政府对腐败的打击力度。

(7)更新记忆：交互结束后，agent会更新其内存，以包括与他交互的agent做出的决定。

(8)改变诚实度：在每个步骤的最后，是否有邻居影响？激活此开关后，agent和官僚们通过诚实度变化来改变其诚实态度，以更好地反映其邻居的平均诚实态度。如果agent的诚实态度已经反映出他的邻居，则此步骤不会进行任何更改。

(9)进入监狱：不活动的agent(当前在监狱中的人员)的服刑时间为监狱时间的一个时间单位。如果他们已完成入狱，则将其释放，将其当前策略重置为不腐败(以便邻居至少在该时间段内将其“改革”)，并可以在以后的时间段中自由地进行互动。

进一步地，所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述加入举报成功率和成功检察率是为了更真实的还原现实社会。

进一步地，所述一种基于agent社会圈子网络的腐败传播模型建模仿真方法中所述利用建立的社会圈子网络对腐败的传播进行建模仿真包括权利要求2～5。

再进一步地，本发明给出如下实验过程：

首先在250×241范围内的二维空间网络中设置agent节点，设置其属性(社会半径、基于腐败的收益、基于不腐败的收益、诚实度、记忆长度、刑期、诚实度改变量)，利用社会圈子原理建立动态腐败传播网络，在建立好的网络中，通过公民agent和官僚agent之间的交互，在加入举报成功率和成功检察率之后，利用社会圈子原理重新更新社会网络，最后通过仿真结果分析腐败传播的动力学特性及反腐措施。

所述一种考虑语言态度和双语教学的语言竞争模型的建模仿真方法的具体步骤如下：初始参数设计如表2所示：

表2模型主要参数和初始值

首先对网络中的个体进行数量、社会半径、诚实度等属性的设定。

网络中，个体拥有长度不等的社会交流半径，以个体自身为中心，社会半径长度为半径作圆形成个体的社会圈子。当两个体中心点的连线的长度Q小于等于连线两端个体较小的社会半径r时，个体将建立连接关系产生联系。如图1所示，Q＞r，个体不会连接，所以不产生联系，如图2所示，Q＜r，两者建立连接所以互为邻居。如图3所示，随着社会半径的增加，社会圈子不断扩大，有连接关系的个体数目也逐渐增加。在构建社会圈子网络以后，设置网络中的公民agent和官僚agent的交互，具体解释如下：

公民agent和官僚agent的行为交互首先要满足在彼此的社交范围内，然后才可进行行为交互。具体如公式①-②。

x

x

式中，各符号的含义上文中已作出解释，在此不再进行赘述。

模型以Netlogo为平台，BehaviorSpace为工具，以每100个时间步长为一轮，通过BehaviorSpace重复35次得到的数据。

根据以上介绍，设置诚实度为服从(0.5,0.5)的正态分布，分别比较刑期k为2，执法机构确定的最多被举报数b为2；刑期k为2，执法机构确定的最多被举报数b为5；刑期k为5，执法机构确定的最多被举报数b为2；刑期k为5，执法机构确定的最多被举报数b为5对系统的影响。模型运行35轮后腐败结果见图6，结果表明当刑期越高，执法机构确定的最多被举报数越小，达到腐败的人数就越少，服刑于监狱的人数越多。由此，成功的从个体的微观行为中模拟出了腐败状态从向低的内源性过渡，说明政府的严峻刑罚对反腐有一定的效果。

设置刑期k为5，执法机构确定的最多被举报数b为2，分别比较诚实度为服从(0.2,0.8)，(0.5,0.5)，(0.8,0.2)的正态分布对系统的影响，模型运行35轮后腐败结果见图7。结果表明诚实度的均值越高，标准差越低，达到腐败的人数就越少，服刑于监狱的人数越多。由此，成功的从个体的微观行为中模拟出了腐败状态从高向低的内源性过渡，说明道德自省对反腐有一定的效果。

上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。