舆论动力学的研究对理解、控制和优化真实系统有着重要的现实意义,也为理解人类的行为模式提供了一个独特的视角。研究者常用复杂网络方法研究舆论动力学过程并提出了诸多模型,其中FriedkinJohnsen模型（简称为F-J模型）将微观个体性质与宏观群体现象结合,成为舆论动力学模型的研究热点。F-J模型在不同领域中得到了广泛的应用,但F-J模型中个体对周围群体意见的接受程度设定为时不变常数的假设与社会学对个体接受程度的研究结果存在着出入。本文在F-J模型的研究基础上提出了修正的F-J压力模型,新增加状态依赖函数描述个体所受到群体压力时其接受程度的变化情况,并通过调整模型中的趋同速率达到对网络意见的一致或特定分簇的控制,达到最小化网络中的意见冲突度的目标。本文的主要贡献如下:（1）根据社会学上对个体受到群体意见压力下表现出趋同-排斥特性的描述,在传统F-J模型的基础上提出了F-J压力模型。在F-J压力模型中个体的接受程度为个体与周围群体意见差的状态依赖函数,并引进一个可调参数趋同速率对接受程度函数作进一步调节与设计。通过仿真发现F-J压力模型的演化在一定条件下可达到平衡态,在此情况下,趋同速率存在一个临界值,使得网络中的个体状态从分簇转化为一致,文中研究了临界趋同速率与网络结构收敛速率与初始意见分布之间的变化关系。（2）社会网络的意见冲突度由两部分组成:反映个体间最终意见差异的外部冲突度,和反映个体最终意见与其初始意见间差异的内部冲突度,基于此本文定义了最小化网络中意见冲突度的优化问题。对于F-J模型,通过把最终意见和初始意见的关系分别用最优化问题的形式解和网络意见演化公式来表示,组成一个新的凸优化问题求解,得到使意见冲突度最小的最优接受程度矩阵;对于F-J压力模型,由于其状态依赖的特点,根据其演化机理推算最终意见和初始意见的关系,列为优化问题的约束后,给出了一个求解最小化网络意见冲突度的算法,得到了趋同速率向量的最优解。（3）当网络中只允许部分个体的接受程度可调整时,针对F-J模型本文提出了贪心算法来选择优化目标集合,针对F-J压力模型本文提出了基于度量个体最终意见与目标意见差的优化目标集合选择算法。与两种常见的基础算法相比（F-J中心性与综合评价指标算法）,我们的算法从优化效果上显著降低了网络意见冲突度的大小。