Алгоритмические решения в задаче оценки информационного воздействия на электорат при проведении выборных кампаний
Автор: Полянский И.С., Полянская И.В., Логинов К.О.
Журнал: Физика волновых процессов и радиотехнические системы @journal-pwp
Статья в выпуске: 4 т.24, 2021 года.
Бесплатный доступ
В статье для решения задачи оценки информационного воздействия на электорат при проведении выборных кампания сформированы алгоритмические решение, включающие математическую модель, численную схему и алгоритмические реализации. Указанная оценка сводится к определению мгновенных значений числа избирателей, отдающих предпочтение кандидату (партии) при учете: положительного или отрицательного стохастического характера воздействия средств масс-медиа; межличностного взаимодействия; двухшагового усвоения информации; наличия многообразия средств масс-медиа, социальных групп и списка кандидатов. Математическая модель базируется на обобщенной модели информационного противоборства в структурированном социуме и при введении стохастических компонент в интенсивностях агитации сводится к решению уравнения Фоккера - Планка - Колмогорова. Для его исследование в постановке метода Галеркина предложена численная схема и определен порядок ее сходимости. В отношении основных процедур численной схемы уточнены особенности алгоритмической реализации.
Оценка информационного воздействия, избирательная кампания, алгоритмические решения, уравнение фоккера - планка - колмогорова, гауссовы базисные функции, оценка сходимости, триангуляция многомерного многогранника, численное интегрирование по многомерному симплексу
Короткий адрес: https://sciup.org/140290776
IDR: 140290776 | DOI: 10.18469/1810-3189.2021.24.4.72-80
Текст научной статьи Алгоритмические решения в задаче оценки информационного воздействия на электорат при проведении выборных кампаний
На сегодняшний день избирательные процедуры – неотъемлемая часть демократических государств. Несмотря на существенные различия исторических путей становления и развития электоральных институтов в различных странах, в настоящий момент содержание избирательных кампаний неизменно базируется на понятиях профессионализма и эффективного менеджмента. Основу для реализации указанных принципов составляет качественное информационно-аналитическое сопровождение выборных кампаний, необходимое как конкурирующим кандидатам, так и организаторам выборов. При этом обеспечение подобного сопровождения с учетом текущего уровня развития систем коммуникации, вычислительной техники и методов математического моделирования [1] невозможно без применения эффективных алгоритмических решений, позволяющих формировать точную оценку информационного воздействия. Основные особенности, которые необходимо принять во внимание при разработке алгоритмических решений в указанной предметной области, связаны с учетом: 1) воздействия средств масс-медиа на избирателей и межличностного взаимодействия; 2) положительного и отрицательного влияния на общественное мнение средствами масс-медиа; 3) двухшагового усвоения информации [5]; 4) наличия многообразия средств масс-медиа, социальных групп и списка кандидатов (партий); 5) cтохастического характера воздействия средств масс-медиа.
Принимая во внимание основные результаты работ [2–6] по математическому моделированию информационного влияния, управления и противоборства в социуме и выделенные особенности, цель настоящей статьи состоит в разработке алгоритмических решений в задаче оценки информационного воздействия на электорат при проведении выборных кампаний.
В
1. Математическая модель оценки информационного воздействия на электорат при проведении выборных кампаний соответствии с [6] электорат представим группой взаимодействующих индивидов численностью Nо, составленной из M подгрупп. Обозначим Nm (m = 1, M) число индивидов в m-й
M подгруппе при Nm < N0, Nm > 1 и £ Nm = N0.
m = 1
Предпочтения у индивидов формируются в отношении K кандидатов с учетом распространя- емой информации через L внешних источников (средства масс-медиа) и за счет межличностной коммуникации. Внешний l-й ( l = 1, L) источник в момент времени t е[0,TQ ] пропагандирует к-го кандидата с интенсивностями а^ (t) и у^ (t), формируя положительное и отрицательное отношение соответственно. Разнородность влияния на m-ю подгруппу индивидов l-го внешнего источника характеризуется коэффициентом восприятия Xml G[0,1] •
Следуя [6], общую группу индивидов разделим на три класса: 1) неохваченные; 2) предадепты; 3) адепты. У неохваченных индивидов отсутствуют предпочтения в отношении какого-либо кандидата.
Предадептами mk назовем индивидов m -й подгруппы, отдающих предпочтение k -му кандидату, но не распространяющих о нем информации при межличностной коммуникации. Число предадептов mk в момент времени t обозначим У тк ( t Ы0, N m ] •
Адептами mk назовем индивидов m -й подгруппы, отдающих предпочтение k -му кандидату и распространяющих положительную информац ию в его отношении среди индивидов т ' -й ( т' = 1, M ) подгруппы путем межличностной коммуникации с интенсивностью в m ‘ m > 0. Число адептов тк в момент времени t обозначим x mk ( t ) е[ 0, N m ] • Уточним, что адепт тк в отношении к' -го кандидата ( к , к 'е{ 1, K } ) не распространяет отрицательной информации.
Переход неохваченных индивидов в адепты осуществляется за два шага [6]. Под воздействием положительной информации из внешних источников и за счет межличностной коммуникации первоначально индивид m -й подгруппы становится предадептом тк , а затем - адептом тк • Под воздействием негативной информации из внешних источников в отношении k -го кандидата происходит обратный переход. Уточним, что адептом кандидата может стать только предадепт соответствующего кандидата, а неохваченным индивидом – предадепт.
Для введенных представлений задача оценки сводится к выбору к' -го кандидата, способного по итогам выборной кампании набрать наибольшее число голосов к' = argmax N^, к е[1, K ]
M где Nк = E[xтк (T0 ) + yтк (T0 )]
т = 1
Ее решение требует максимально правдоподобно- го определения числа адептов хтк (t) и предадеп-тов yтк(t) •
Для заданного содержательного представления математическую модель сформируем, принимая во внимание основные предположения о скорости изменения хт к ( t ) , ут к ( t ) [6] и допущения.
-
1. Значения х т , в т - т не зависят от t и определяются экспертным оцениванием.
-
2. Переменные хт к ( t ) , ут к ( t ) составляют непрерывный векторный марковский процесс.
-
3. Интенсивности а к1 ( t ) , у ^ ( t ) складываются из соответствующих истинных значений 0 <а 0 1 ( t ) , у 0 1 ( t ) <« и ошибок наблюдения а ^ ( t ) , у к1 ( t ) , являющихся белым шумом с соответствующими характеристиками: Е [а ^ ]= Е [у к1 ] = 0; cov [а н ] = cov Л н ] = 5 ( t -т ) ; cov [ d а н ] = [е и ] ; cov [ d Y н ] = [sY i ] •
Для заданных представлений решение задачи оценки xт к ( t ) и у т к ( t ) выполним усреднением:
Z (t ) = JZ p (Z, t) dZ, Q где
Z = ( Z ) d = ( f W..... z < M ) ^ ;
: ( " > -( « кт * 1 = ( Хт „У т ,
V 72 K
•, ХтК ,
утК ) ;
Q = Б( 1 ) X ••• Х£( M ) с К d
d -мерный выпуклый
многогранник (d = 2MK); s(т) с К2К симплекс
с 2 К +1 вершинами Р( т ) = ( 0,0V„, 0), P2 т ) = = (Nm,0,•••,0), ", P2K+1 = (0,0,•••,Nm ); p(Z,t) -функция плотности распределения вероятности, удовлетворяющая уравнению Фоккера – Планка – Колмогорова (ФПК):
dp ( Z, t ) Idt = L [ p ( 'Z, t ) ] ,
где
L [ p ] = -Ei(A.p) +1E E l=1dZl 21=11 '=1 dZldZl'
-
- диффузионный оператор; D = ( D ll ') d X d и A = ( A l ) d - тензор диффузии и вектор сноса соответственно, компоненты которых формируются из следующих представлений:
-
1) для вектора сноса:
- ( : ( 1 ) : ( M ))
A = ( A ,). = a ,•••, a ;
l d V J
im)-fa(m)) -f/1)/2)
a “I a i I “I f m 1 , f m 1
V 72 K V
f ( 1 ) /2) \ fmK , fmK I ;
предлагается выполнять численно в соответствии со следующей схемой.
f m ^X> Y > t ) = ( x mk - У тк )r mk +
+
0 mk
M
+ / ’ x m ' к в m ' m m '“ 1
x
2. Численная оценка информационного воздействия на электорат при проведении выборных кампаний
K
Зададим разбиение Q=
U
U «< u >
набором из U
u = 1
симплексов
N m - h ( x mk ' + y mk ' ) - y mk к '“1
;
2: 3: 1: 6: 7: 8: 9: 10: 11: | for п = 0 to |У| — 2 do for 7?/ =s n + 1 to |У| — 1 do г = 0; for m = 0 to M — 1 do jm= 0; for к = 0 to 2K — 1 do if ^Ti^mK+k Ё ^^ImK-Vk fhenjm = jm + К if jm > 0 then z = i+l; if (^ < 1) V (M = 1) then j _ v^M-l . . — Z^m=0 Jm i |
12: 13: 14: | if J < 2K then E 4= (??. n')T; return E |
Рис. 4. Псевдокод алгоритма формирования E
Fig. 4. Pseudocode of the E generation algorithm к function SearchCycles^VjB)
2: while true do
3: D = KirhgofMai kix^, V);
4: r = 0;
5: for г = 0 to |V| — 1 do
6: if Da > 1 then
7: £'= MST(D, V,i):
H: if E' ^ T then
9: Тт = E'; г = r + 1;
10: if r — 0 then break:
11: E' = 0:
12: for г = 0 to J — 1 do
13: E' = E’ U Td
11: Ё = Е\Е:
15: for nV = 0 to 1 do
16: Ё = Tf.
17: for n = 0 to |Б| — 1 do jn = 71 + 1;
18: repeat
19: for m = 0 to m' do £|r. |_|_m = Ejm_^
20: c = DFSCycle^, V,Ly,
2. 1: if с ^ C then
22: C<= c:
23: until Nex i Combination^, г + 1, |5|):
24: E = E\E'-
25: return C
Рис. 5. Псевдокод алгоритма поиска циклов для G длиной L
Fig. 5. Pseudocode of the loop search algorithm for G of length L графа G (V, E) = ^V, E^ и последовательном поиске в G всех циклов без хорд длиной L = |^3; 4] . Полиномиальный алгоритм поиска циклов базируется на алгоритмах построения остового дерева (алгоритм Прима [13] – MST) и рекурсивного поиска в глубину [13] – DFSCYCLE. Алгоритм поиска циклов SEARCHCYCLES для G длиной L приведен
на рис. 5.
В алгоритме поиска циклов используются дополнительные функции построения матрицы Кирхгофа KIRHGOFMATRIX для G и задания но-
вого сочетания без повторения NEXTCOMBINATION (рис. 6).
Множество ячеек В1 с числом элементов f 3 (q) = = |в1| формируется по В0. Каждая грань представляется бинарным числом разрядностью, равной мощности множества E. Разрядом числа кодирует содержание соответствующего номера ребра из E: значение 1 характеризует наличие данного элемента в грани, значение 0 – отсутствие. Затем выделяются ячейки при определении сочетаний 4, 5 и 6 граней из общего числа:
1: function NextCombination (j, m, n)
2: к = m;
3: for i = к — 1 to 0 do
4: if jj < n — к + i + 1 then
5: jt = jt + 1;
6: for i! = i + 1 to к do jv = jv-i + 1;
return true;
7: return false
d
X0= X Хх (l = 1, d);
jl jljk
/ k=1
Xi (i=1 I)
– корни многочлена Лежандра первого
* рода порядка I [14]; B =
при
Рис. 6. Псевдокод функции NEXTCOMBINATION
Fig. 6. Pseudocode of the NEXTCOMBINATION function
(bj) м i|
d bj=ПГ( X -I+

1) 4 граней, составленных только из 3 ребер;
2) 5 граней, где четыре составлены из 3 ребер, а одна – из 5;
3) 5 граней: две составлены из 3 ребер, а три – из 5;
4) 6 граней, составленных только из 4 ребер.
Критерий в определении ячейки состоит в том, что сумма по модулю два всех двоичных чисел составляющих граней равна нулю.
Дальнейшая процедура формирования l-мерных граней выполняется по индукции.
Для П симплексы to(и) задаются при построении барицентрической триангуляции, которая реализуется индукцией по размерности триангуляцией l-мерных граней [11].
U (и)
С учетом разбиения П = ^ to интеграл
и обозначении гамма-функции г(•);
d jk
O"(OH')мdPIмd| при 0"'=П(Xjk) ■
Заключение
Таким образом, в настоящей статье в развитие моделей [2–6] информационного влияния, управления и противоборства в социуме при формализации содержательной постановки задачи, выделении системы ограничений и допущений, разработке математической модели, численной схемы и алгоритмических реализаций сформиро-
I = Jn( Z) dZ n
u=1
по П от некоторой функции n за-
меняется суммой I =
U (u)
^ J n(Z)dZ по ю' исво-
вано алгоритмическое решение в задаче оценки информационного воздействия на электорат при проведении выборных кампаний. Математическая модель базируется на обобщенной модели информационного противоборства в структурированном социуме [2–5]. При разделении общества численностью N0 на M подгрупп и введении сто-
U=1 ( u) to дится к реализации процедуры численного интегрирования:
I(u) = J n(Z)dZ = ^ n(^j)кj, to(u) jeMI
где I e N - порядок численного интегрирования; узловые точки *j и весовые коэффициенты кj, вычисляемые по правилам кубатурных формул для симплексов. Для мастер-элемента to единичной размерности значения *j eto и кj определяются по правилам:
хастических компонент данная модель сводится к стохастическому дифференциальному уравнению, которое при понимании в смысле Ито [7] приводит к необходимости решения уравнения ФПК (2) для определения эволюции функции плотности вероятности p (Z, t). Решение (2) предложено выполнять численно в проекционной постановке метода Галеркина при задании кусочно-полиномиальной аппроксимации (4), требующей разбиения области анализа П на симплексы to(и). Для сфор-
мированной численной схемы определена оценка сходимости (12) и уточнены особенности алгорит-
н X0. - X0d )T; к=0-1B, где
мической реализации, сводящиеся к построению
П, его разбиению П =
U и to(u)
и уточнению реали-
u=1
зации процедур численного интегрирования по П.
Список литературы Алгоритмические решения в задаче оценки информационного воздействия на электорат при проведении выборных кампаний
- Самарский А.А., Михайлов А.П. Математическое моделирование. М.: Физматлит, 2001. 320 с.
- Петров А.П., Маслов А.И., Цаплин Н.А. Моделирование выбора позиций индивидами при информационном противоборстве в социуме // Математическое моделирование. 2015. Т. 27, № 12. С. 137–148. URL: http://mi.mathnet.ru/mm3684
- Моделирование спада общественного внимания к прошедшему разовому политическому событию / А.П. Михайлов [и др.] // ДАН. 2018. Т. 480, № 4. С. 397–400. DOI: https://doi.org/10.7868/S0869565218160028
- Петров А.П., Прончева О.Г. Моделирование выбора позиций индивидами при информационном противоборстве с двухкомпонентной повесткой // Математическое моделирование. 2019. Т. 31, № 7. C. 91–108. DOI: https://doi.org/10.1134/S0234087919070062
- Развитие модели распространения информации в социуме / А.П. Михайлов [и др.] // Математическое моделирование. 2014. Т. 26, № 3. С. 65–74. URL: http://mi.mathnet.ru/mm3459
- Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели информационного влияния, управления и противоборства. М.: Физматлит, 2010. 228 с.
- Кузнецов Д.Ф. Некоторые вопросы теории численного решения стохастических дифференциальных уравнений Ито // Дифференциальные уравнения и процессы управления. 1998. № 1. С. 66–367. URL: https://diffjournal.spbu.ru/RU/numbers/1998.1/article.1.3.html
- Ильинский А.С., Полянский И.С., Степанов Д.Е. О сходимости барицентрического метода в решении внутренних задач Дирихле и Неймана в R2 для уравнения Гельмгольца // Вестник Удмуртского университета. Математика. Механика. Компьютерные науки. 2021. Т. 31, № 1. С. 3–18. DOI: https://doi.org/10.35634/vm210101
- Kainen P.C., Kurkova V., Sanguineti M. Estimates of approximation rates by Gaussian radial-basis functions // CANNGA 2007: Adaptive and Natural Computing Algorithms. 2007. P. 11–18. DOI: https://doi.org/10.1007/978-3-540-71629-7_2
- Даугавет И.К. Теория приближенных методов. Линейные уравнения. 2-е изд., перераб. и доп. СПб.: БХВ-Петербург, 2006. 288 с.
- Емеличев В.А., Ковалев М.М., Кравцов М.К. Многогранники, графы, оптимизация (комбинаторная теория многогранников). М.: Наука; Глав. ред. физ-мат лит., 1981. 344 с.
- Электродинамический анализ зеркальных антенн в приближении барицентрического метода / И.С. Полянский [и др.] // Физика волновых процессов и радиотехнические системы. 2020. Т. 23, № 4. C. 36–47. DOI: https://doi.org/10.18469/1810-3189.2020.23.4.36-47
- Алгоритмы: построение и анализ. 2-е изд. / Т.Х. Кормен [и др.]; пер. с англ. М.: Вильямс, 2010. 1296 с.
- Ильинский А.С., Полянский И.С. Приближенный метод определения гармонических барицентрических координат для произвольных многоугольников // Журнал вычислительной математики и математической физики. 2019. Т. 59, № 3. C. 391–408. DOI: https://doi.org/10.1134/S0044466919030098