The Naming Game in Social Networks: Community Formation and Consensus Engineering
我们研究了博弈的动力学[Baronchelli et al.，等人（2006）J. Stat.机械：理论实验P06014]在经验社交网络中。这种程式化的基于代理的模型捕捉协议动态在网络中的自治代理的基本特征，对应于共享的分类方案的人工代理或意见传播和社会动态的社交网络的网络中的发展。我们的研究重点是社区的影响，在潜在的社会图上的协议过程的结果。我们发现，具有强大的社区结构的网络阻碍了系统达成全球协议，在这些网络中的网络博弈的演变保持集群的共存意见无限期。此外，我们研究基于代理的网络策略，以促进收敛到全球共识。
2010-08-05 cond-mat.stat-mech cs.MA physics.soc-ph
Communicating with sentences: A multi-word naming game model
该博弈模拟了用单个单词命名一个对象的过程，在这个过程中，一个群体的通信代理可以通过迭代的成对对话渐近地达成全局共识。我们提出了一个扩展的单字模型的多字命名游戏（MWNG），模拟的情况下，描述一个复杂的对象由一个句子（多个字）。单词按类别定义，然后通过组合不同类别的单词来组织为句子。我们把几个单词的格式化组合称为模式。在这样的多媒体网络语言中，听话人和说话人通过两两对话，需要对句子中的每个单词以及句型达成共识，以保证话语的正确含义，否则，双方在互动中就无法达成共识。我们验证了模型在三个典型的拓扑结构作为底层的通信网络，并采用传统的和人为设计的模式在执行MWNG。
2017-09-18 cs.CL physics.soc-ph
Microscopic dynamics of consensus formation in multi-agent LLM Naming Games
Critiqality；Ca’ Foscari University of Venice（威尼斯大学）；Universidad de la República（共和国大学）；Università degli Studi di Parma（帕尔马大学）；INFN, Gruppo Collegato di Parma（意大利国家核物理研究所，帕尔马协作组）
该研究揭示了多智能体LLM命名博弈中，解码温度作为架构依赖控制参数，通过不同听者机制调控共识形成的微观动力学，得出了双速率动力学的解析有序条件。
2026-08-04 cond-mat.stat-mech cs.MA nlin.AO
Naming game with learning errors in communications
网络游戏模拟了在一定的通信网络拓扑结构中组织的代理群体命名目标的过程。通过成对迭代相互作用，种群渐近地达到一致状态。本文研究了两两对话中存在通信错误的命名博弈，其中错误由出错率按均匀概率分布表示。首先，提出了一个具有学习错误的命名博弈模型。然后，提出了一种智能体防止学习错误的策略。为此，三个典型的通信网络的拓扑结构，即随机图，小世界和无标度网络具有不同的参数，研究各种学习错误的影响。对这些模型的仿真结果表明：（1）学习误差对收敛速度影响不大，但显著增加了词典传播过程中每个智能体的记忆需求：（2）整个群体所能容纳的最大不同单词数随出错率的增大而线性增大; 3）在不采用任何消除学习误差的策略的情况下，存在一个学习误差阈值，这会影响收敛性。这些新发现有助于从网络科学的角度更好地理解学习错误在命名游戏以及人类语言发展中的作用。
2014-12-18 cs.SI physics.soc-ph
Consensus and ordering in language dynamics
我们考虑两个社会共识模型，AB模型和限制到两个公约，它描述了人口的互动代理，可以在两个等价的状态（A或B）或在第三个混合（AB）状态。AB状态是在语言竞争和语言涌现的背景下提出的，分别与双语和同义相关。我们表明，这两个模型是等效的平均场近似，虽然在微观层面上的差异有非平凡的后果。为了指出这一点，我们研究了这些动力学的扩展，其中考虑了信心/信任，重点是一个基本的全连通图的情况下，我们表明，在AB模型中没有观察到的共识极化相变发生在博弈中。然后，我们考虑在规则晶格中的界面运动。定性地说，这两个模型表现出相同的行为：在一维晶格中的扩散界面运动，和一个曲率驱动的动态扩散条纹状亚稳态在二维之一。然而，在比较的竞争游戏中，AB-模型的动态显示，以减缓这种配置的扩散。
2009-01-24 physics.soc-ph
Solution of the multi-state voter model and application to strong neutrals in the naming game
我们考虑的选民模型与$M$状态最初在系统中。利用生成函数，我们提出了马尔可夫转移矩阵的谱问题，并精确求解所有特征值和特征向量。有了这个解，我们可以找到所有未来的概率分布，系统从$M$状态凝聚到$M-1$状态的预期时间，共识时间的时刻，预期的本地时间，以及随着时间的推移预期的状态数。此外，当初始分布是均匀的时，例如当$M=N$时，我们可以找到这些量的简化表达式。特别地，我们证明了$M=N$的共识时间的均值和方差分别为$\frac{1}{N}(N-1)^2$和$\frac{1}{3}(π^2-9)(N-1)^2$。
2015-07-10 physics.soc-ph
Analysis of the high dimensional naming game with committed minorities
命名游戏已经成为语言进化和数学社会行为分析的原型。在这里给出的模型中，有$N$个体和$K$词。我们的贡献是开发一个强大的方法，处理的情况下，当$K = O(N)$。初始条件对系统的有序性起着至关重要的作用。我们发现，与低熵态相比，具有高Shannon熵的系统具有更高的共识时间和更低的狂热者临界分数。我们还表明，致力于代理的临界数量减少的意见数量和增长的社区规模为每个字。这些结果补充了早期的结论，即意见的多样性是进化的必要条件;没有它，系统就会停滞在现状[S。A. Marvel等人，物理修订版信函109，118702（2012）]。相比之下，我们的研究结果表明，坚定的少数群体可以更容易地征服高度多样化的系统，这表明它们本质上是不稳定的。
2016-05-27 cs.SI physics.soc-ph
Discontinuous phase transition in an open-ended Naming Game
在这项工作中，我们研究了一个2维正方形格子的最新版本的游戏，一个基于代理的模型用于描述语言结构的出现。该系统是开放式的，智能体可以在游戏的整个过程中发明新词，从一个具有标准差$σ$的高斯分布的池中提取新词。该模型显示了一个非平衡相变在一个临界点$σ_{c}\approx 25.6$，它分离的吸收共识状态从一个活跃的碎片化状态，代理人不断交换不同的话。我们的模拟的有限尺寸标度分析强烈表明，相变是不连续的。
2014-12-09 cond-mat.stat-mech cs.SI physics.soc-ph
Information Sharing for Strong Neutrals on Social Networks - Exact Solutions for Consensus Times
为了分析社交网络中的中性根概念的细微差别，我们专注于几个相关的解释，并建议相应的数学模型，他们每个人从家庭的信息共享多智能体网络游戏称为选民模型和网络游戏（NG）。我们解决的情况下，强中性被称为中间道路的全球数量，如预期时间的共识和本地时间。利用生成函数，将修正后的两种极端观点和中间观点看作两球三缸的Voter模型，给出了其Markov传播子的特征值和特征向量的封闭形式表达式.这种对两种观点的博弈的修改适用于社交论坛或博客中中立者的角色和行为，并且代表了对原始NG的语言根源的重大偏离。
2014-11-03 physics.soc-ph
Emergence of Consensus in a Multi-Robot Network: from Abstract Models to Empirical Validation
National Research Council（国家研究委员会）；Sapienza University of Rome（罗马大学）；University of Sheffield（谢菲尔德大学）；City University London（伦敦城市大学）
在分散的多智能体系统的共识动态受到激烈的研究，并提出了几种不同的模型和分析。其中，命名游戏脱颖而出，其简单性和适用性，以广泛的现象和应用，从符号学到工程。尽管有广泛的研究，在实际的分布式系统中实现理论模型并不总是简单的，因为物理平台施加了几个约束，可能会对共识动态产生影响。在本文中，我们调查的kilobot机器人平台的命名游戏的实施，其中我们考虑并发执行的游戏和物理干扰的影响。共识动力学的不断发展的通信网络中创建的机器人，强调不同的制度如何至关重要地依赖于机器人的密度和他们的能力，广泛传播的实验舞台上的光进行分析。我们发现，物理干扰减少了机器人的流动性方面的共识时间带来的好处，但也会导致较低的认知负荷的个人代理。
2016-01-19 cs.MA cs.RO cs.SI
Topological aspects of the multi-language phases of the Naming Game on community-based networks
该游戏是一个基于代理的模型，其中个人通信命名一个最初未命名的对象。在一个大类的网络上，持续的成对交互导致系统达到最终的共识状态，在这种状态下，代理人会聚集在一个全球共享的名称上。在引入该模型后不久，在文献中观察到，在基于社区的网络上，达成共识的路径通过亚稳定的多语言状态。随后，有人提出使用此功能作为在给定网络中发现社区的手段。在本文中，我们表明，亚稳态对应于真正的多语言阶段，出现在热力学极限时，连接社区的部分下降到临界阈值以下。特别是，我们研究了过渡到多语言状态的随机块模型和社区重叠的网络。我们还研究了网络拓扑性质变化下的临界阈值的缩放，如社区的数量和相对大小以及社区内/社区间链接的结构。我们的研究结果提供了一个理论上的理由，建议使用该模型作为一个社区检测算法。
2017-02-10 cond-mat.stat-mech physics.soc-ph
Naming Game on small-world networks: the role of clustering structure
多智能体博弈是近年来提出的一种描述多智能体系统如何以自组织方式收敛到一致状态的模型。在本文中，我们研究了这种模型在所谓的齐次小世界网络，并专注于三角拓扑的动力学的影响。在所有的拓扑量中，聚类系数被发现在网络博弈的动态中起着重要的作用。一方面，它影响每个代理的最大内存;另一方面，它抑制了代理共享一个共同单词的集群的增长，即，较大的聚类系数将导致系统的较慢收敛。我们还发现了聚类系数和最大记忆之间的定量关系。
2006-10-15 physics.data-an physics.soc-ph
Finite size scaling analysis of a nonequilibrium phase transition in the naming game model
我们实现了一个广泛的数值研究的随机博弈模型的噪声项占扰动。该模型显示了一个非平衡相变之间的吸收有序的共识状态，这发生在小噪声，和无序的阶段，其特征在于由异构的记忆，出现在强噪声水平的碎片集群。的相变的性质进行了研究，通过一个有限尺寸标度分析的时刻。我们观察到一个典型的不连续过渡的标度行为，我们能够估计的热力学极限。团簇大小的标度行为似乎也与这种转变相一致。
2016-11-14 cond-mat.stat-mech physics.comp-ph physics.soc-ph
Non-equilibrium dynamics of language games on complex networks
非平衡博弈是一种非平衡动力学模型，用于语言约定或通信系统在具有成对局部相互作用的代理群体中的自组织出现。我们提出了一个广泛的研究，其动力学的复杂网络，可以被认为是最自然的拓扑嵌入的语言游戏和观点动力学的代理。除了一些社区结构的网络上，可以观察到亚稳态阶段，代理人玩网络游戏总是设法达成全球共识。这种收敛是在将人口的大小$N$按时间一般缩放为$t\_{conv} \sim N^{1.4 \pm 0.1}$之后获得的，即比嵌入在规则晶格上的代理快得多。此外，系统所需的内存容量仅与其大小呈线性关系。特别注意的是异构网络，其中一个节点的动态活动模式取决于它的程度。高度节点具有基本作用，但需要更大的存储容量。它们作为（语言）惯例的传播者，支配着动态。其他属性，如平均度和聚类的影响，也进行了讨论。
2006-07-06 cond-mat.other cond-mat.stat-mech physics.soc-ph
Topology Induced Coarsening in Language Games
我们调查如何非常大的人口能够达到全球共识，当地的“微观”的互动规则，在最近推出的一类模型的符号动力学的框架，所谓的博弈。我们特别是相互作用的代理商嵌入在一个低维的晶格相对于平均场的情况下的收敛机制进行比较。我们强调，在低维度的共识是通过粗化过程，需要较少的认知努力的代理，相对于平均场的情况下，但需要更长的时间才能完成。在1-D的动态的边界映射到截断马尔可夫过程，我们分析计算的扩散系数。更一般地，我们表明，收敛过程需要每个代理的记忆缩放为N，并持续时间N^{1+2/d}在维度d<5（d=4是上临界维度），而在平均场的记忆和时间尺度为N^{3/2}，对于N个代理的人口。我们提出了支持这一观点的分析和数值证据。
2005-12-06 cond-mat.stat-mech cs.GT cs.MA
