近年来,随着科技的迅速发展,人们的生活中存在着越来越多的各种不同的复杂网络,例如人际关系网,因特网等等,许多信息在这些网络结构中传递,相互碰撞影响,无时无刻地对我们的生活发挥着重要作用。而社交网络与人们的生活最息息相关,因此,研究基于社交网络的观点融合的碰撞模型,对我们的生活,对探索社会舆论观点的形成的规律,有着重要意义。传统的观点融合模型,对观点的描述多为0和1模式,即对一个观点不是支持就是反对,与现实中人们对观点的想法差别较大。本文选择一个更真实的角度,假定一个观点由多个变量构成,共同形成一个观点。然后采用拓扑中单纯形的相关概念来刻画这个观点,拓扑中的单纯形可以用一种直观的方式来表现复杂的模型,并且能够用Q分析法来分析单纯形内在的性质与结构。对于信息的传播,采用疾病传染模型。在这些基础上,本文构建出观点碰撞的模型,再通过撰写MATLAB代码,来仿真观点碰撞融合的过程。本文研究了在不同网络结构下,观点碰撞融合的情况。对于网络结构,本文选择了三种经典的网络结构,即完全网络,随机网络和无标度网络。完全网络是最简单的网络结构,无标度网络最贴近现实,而随机网络处于两者之间。选择这三种网络进行仿真实验,比较客观,结果也更可靠。从模拟的结果中,我们发现在不同的网络结构中的观念融合模拟曲线,其整体的趋势最终都是平坦的,变化趋势相似。网络结构的不同虽然会有一些影响,但是整体的基本趋势相同,并没有决定性的影响。反而一些特定的参数和网络指标对结果有着巨大影响。在仿真模拟中,对相同的网络结构,本文采用不同的初始节点数,即网络规模的大小;不同的事件数,即多少种不同的观念等一些参变量作为初始值,来进行模拟仿真,比较它们对结果的影响。我们发现,网络规模的大小不会影响拟合曲线的整体趋势,但是规模越大,曲线变化的速率越慢。同时,初始的事件数越多,拟合曲线的最初值越小。本文还探究了同一个网络在不同拓扑状态下观点融合的情况。研究网络不同拓扑状态下的观点融合,本文主要采取网络故障的方式对网络拓扑状态的改变进行模拟,这也是十分符合真实的情况的。真实的网络中,总会出现一些节点或者边的故障。在拓扑网络中,贝蒂数是重要的结构指标,贝蒂数1?代表连通性,贝蒂数0?表示连通分支数,本文选择了不同贝蒂数,进行仿真模拟实验,然后比较观点融合的结果。从中本文发现和总结了一些规律,贝蒂数1?越大,其观点融合情况越好,反之,则融合情况比较差等。