Wydział Informatyki
Kierunek studiów Matematyka Stosowana Poziom i forma studiów drugiego stopnia stacjonarne
Specjalność / Ścieżka dyplomowania Analityka Danych i Modelowanie Matematyczne Profil kształcenia praktyczny
Nazwa przedmiotu Modelowanie i analiza dynamiki sieci wieloagentowych Kod przedmiotu MAT2MAD
Rodzaj przedmiotu obieralny
Forma zajęć i liczba godzin W Ć L P Ps T S Semestr 2/3
30 15 15 Punkty ECTS 3
Przedmioty wprowadzające Wybrane elementy matematyki wyższej (MAT2WEM),   Wybrane techniki programistyczne (MAT2WTP),  
Cele przedmiotu

Przedstawienie i analiza podstawowych modeli opisujących sieci społecznościowe opartych głównie na układach wieloagentowych, wchodzących w skład dynamiki opinii. Nabycie umiejętności badania i opisywania własności wybranych modeli.

Treści programowe

Wykład, ćwiczenia oraz pracowania specjalistyczna:

Podstawy z teorii grafów.
Algebraiczne własności macierzy dodatnich (macierz sąsiedztwa, Laplasjan).
Pojęcie konsensusu i zbieżności opinii.
Modele z czasem ciągłym:
1. Model Frencha-DeGroota
2. Model Abelsona
3. Model Taylora
Modele z czasem dyskretnym:
1. Model Friedkina-Johnesena
2. Model Hegselmanna-Krause’go
3. Model Cuckera-Smale’a.

Metody dydaktyczne

programowanie z użyciem komputera,   wykład informacyjny,   ćwiczenia przedmiotowe,  

Forma zaliczenia

Wykład: test pisemny.
Ćwiczenia i pracownia specjalistyczna: projekt końcowy.

Symbol efektu uczenia się Zakładane efekty uczenia się Odniesienie do kierunkowych efektów uczenia się
EU1 zna i rozumie modele oraz ich wybrane własności K_W01
K_W02
K_W03
EU2 wykonuje niezbędne obliczenia, w tym symboliczne, służące sprawdzeniu własności poznanych modeli K_U01
K_U02
K_U03
EU3 umie zbadać i opisać własności najważniejszych modeli i ocenić ich przydatność K_U01
K_U02
K_U03
K_U07
EU4 umie, przy pomocy odpowiednich programów komputerowych, zbadać jakościowo poznane modele K_U01
K_U03
K_U07
Symbol efektu uczenia się Sposób weryfikacji efektu uczenia się Forma zajęć na której zachodzi weryfikacja
EU1 test pisemny W
EU2 projekt końcowy Ć, Ps
EU3 projekt końcowy Ć, Ps
EU4 projekt końcowy Ć, Ps
Bilans nakładu pracy studenta (w godzinach) Liczba godz.
Wyliczenie
1 - Udział w wykładach 30
2 - Udział w pracowni specjalistycznej 15
3 - Udział w ćwiczeniach 15
4 - Udział w konsultacjach 2
5 - Realizacja zadań domowych 10
6 - Przygotowanie do zaliczenia wykładu 3
RAZEM: 75
Wskaźniki ilościowe GODZINY ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela 62
(1)+(4)+(3)+(2)
2.5
Nakład pracy studenta związany z zajęciami o charakterze praktycznym 40
(5)+(3)+(2)
1.6
Literatura podstawowa

1. Y. Wang, E. Garcia, D. Casbeer, F. Zhang, Cooperative control of multi-agent systems, John Wiley & Sons, Hoboken 2017.
2. R. A. Horn, Ch. R. Johnson, Matrix analysis, Cambridge University Press, Cambridge 2017.
3. U. Krause, A discrete nonlinear and non-autonomous model of consensus formation. Communication in Difference Equations, 227–236, 2000.
4. F. Cucker and S. Smale, Emergent Behavior in Flocks, IEEE Transactions on Automatic Control, 52, no. 5, 852–862, 2007.

Literatura uzupełniająca

1. A. V. Proskurnikova, R. Tempo, A tutorial on modeling and analysis of dynamic social networks. Part I, Annual Reviews in Control, Annual Reviews in Control 43, 65–79, 2017.
2. A. V. Proskurnikova, R. Tempo, A tutorial on modeling and analysis of dynamic social networks. Part II, Annual Reviews in Control 45, 166–190, 2018.
3. M. DeGroot, Reaching a consensus. Journal of the American Statistical Association, 69, 118–121, 1974.
4. M. Taylor, Towards a mathematical theory of influence and attitude change. Human Relations, 21(2), 121–139, 1968.
5. N. Friedkin, A formal theory of social power. Journal of Mathematical Sociology, 12(2), 103–126, 1986.

Jednostka realizująca Katedra Matematyki Data opracowania programu
Program opracował(a) dr hab. Ewa Girejko 2020.04.06