近年来,互联网普及率爆炸式增长,手机端、PC端用户量突飞猛进,微博、论坛、抖音等社会化直播媒体频繁涌现,使得网络群体行为不断呈现高发态势。因此,研究网络群体行为的涌现机理对解决当前社会群体间的矛盾和利益化冲突具有重大的理论和实践意义。群体性行为在产生和发展阶段主要表现为:群体同步行为和群体极化行为。本文主要围绕群体同步行为与极化行为的涌现进行展开,具体内容如下:一、网络群体同步行为的涌现机理研究及其智能优化。首先,探究在网络规模恒定情况下,通过人工免疫算法优化网络结构,最终实现同步演化效果的提升。然后再对网络结构进行分析,得到这类网络结构的特征。并将研究结果应用于实际,针对创造价值的同步行为,构造同步性能较好的网络结构,达到促成同步的目的;反之,则破坏网络中的点和边的连接,避免同步行为的发生。最后,以案例进行结果论证。二、网络群体极化行为涌现机理的研究。在J-A模型基础上,将个体具有的从众性、网络关系强度等参数融入极化模型,并使用更接近真实社交网络结构的BA网络模型作为Agent邻接模型,用多Agent蒙特卡罗方法进行实验仿真。最后,实验仿真结果显示:不同的信息交互方式会对群体态度极化产生较大的影响;此外,同化效应与排斥效应带参数值d1,d2的不同,致使从众性参数和关系强度的强弱分布对极化有促进和减缓的双重作用。三、融入SIRS传染病模型的群体极化过程中的扩散行为仿真研究。群体极化行为发展、演化过程中,往往伴随着信息的进一步传播扩散。将信息扩散的过程和极化行为的发展过程相融合,体现出群体极化过程中的信息传递能够更好地契合群体观点在交互过程中的极化原理。而融入传染病动力学模型SIRS能够较好地探究不同的信息传播扩散程度下,极化行为的整体进程。本章主要从三个方面展开分析:(1)对比融入SIRS传染病模型前后的极化进程;(2)调整免疫恢复参数γ,探究极化过程中γ参数的作用;(3)对比不同网络结构下极化的效果。最后,基于仿真结果,提出相应的预防措施以便缓解群体极化行为的发生。本文的创新点如下:1.从社会物理学角度出发,构建Kuramoto隐喻模型,引入演化和优化相结合的思想理念,通过人工免疫算法对网络结构进行优化,从而指导演化的方向,得到较好的演化结果。2.通过改进的极化模型以及多Agent蒙特卡洛方法实现了群体态度的演化过程仿真,同时对模型参数进行分析,剖析造成极化现象的主要因素。3.将SIRS传染病模型和极化模型相结合,把个体类型、个体行为、群体规模、群体涌现等纳入到网络舆情演化的范畴,模拟网络群体推动网络舆情形成和演化的过程,揭示其行为极化的内在涌现机理。