网络上的意见动态演化是众多网络动力学过程的一类话题，关注意见如何形成、如何在人群中传播、怎样达成共识、演化收敛时间等问题。意见动态研究依赖于统计物理、数学模型、计算机仿真以及相关的分析方法和工具。意见动力学过程对理解人们的行为活动，尤其是文化演化、媒体竞争、风险感知等问题提供了理论支持;同时对构建更安全的信息系统，理解和控制谣言传播也有重要的现实意义。目前网络上的意见动力学研究，主要建立在抽象机制的模拟上。　　本研究从意见多样性、个体活跃度和群体选择三个层面研究网络上的意见动态过程，拓宽意见演化模型在政治观点演化、社交网络传播、群体竞争等具体场景中的表达能力;评估意见类型和意见分布的多样性、社交网络的持久性、群体重连策略等对意见的形成、传播、竞争的影响;探索意见动力学对商业决策和社区运营等实际问题的理论启示。　　论文具体工作如下:　　1.提出一个政治观点演化的研究框架，将初始意见分布的多样性和个体容忍度差异考虑到意见仿真模型中，获得意见演化的碎片化、极化和共识等几种典型的结果;进一步提出新度量“最近邻居平均占比”来评判意见演化的最终状态。结果表明，意见的初始分布导致即便在相似的随机网络上演化结果的不同。顽固节点的存在起着特殊作用:只有极端固执的节点才能导致最终意见分配的变化;如果顽固节点数量很少，它们的影响被限制在小范围内。　　2.提出一种刻画意见类型和意见类型多样性的方法。仿真模型可以表达意见涵盖单类型或两类型的情况;意见类型可以与传播者的兴趣偏好挂钩，形成差异化的转发概率。传播单类型观点时，高流行度的节点通常传播能力比低流行度的节点高;转发过程中，带动其他用户转发的峰值随着发布者流行度的降低而向更深的传播深度偏移;当发布者发送与自己兴趣偏好差异较大的观点时，观点散播能力会显著降低。进一步的，对含有两类型的意见，考虑其中一个意见与发布者的兴趣偏好一致/不一致的情况，考虑双类型观点下两个类型的相互作用，揭示了观点的多类型间的非线性的交互作用和特殊现象。　　3.探讨个体活跃度的建模方法，并将活跃度引入意见演化建模中。比较了在三种网络增长模式下个体活跃度变化的特征:节点按节点的流行度的高低加入网络，按相似度高低加入网络或均匀随机加入网络。结果显示，当节点具有高自发活跃度时，流行度优先的增长模式下网络获得最高的持久活跃能力;否则，在低自发活跃度下，相似度优先的增长模式性能更好。此外，结果显示，复合的增长模式，通过在短时间内连续加入相似的节点并混合少量高流行度的节点，可以达到最高的网络持久性。进一步的，对比分析考虑了个体活跃度与不考虑活跃度下的意见传播，观察到个体活跃度差异对意见演化的影响不容忽视;活跃度的本质在网络的连接类型，并且网络的连接类型在网络持久性和意见的传播能力上作用保持一致。　　4.提出多种重连行为在单一网络上的协同演化框架。引入三种典型的重连规则，随机重连(RuleⅠ),意见优先重连(RuleⅡ)和度数优先重连(RuleⅢ)作为可选策略，嵌入协同演化的Voter模型中考虑。比较了均衡/不均衡的初始意见比例下的二元意见竞争，找到了在确定/不确定的初始比例或重连概率下促进意见群体扩张的重连规则。此外，结果显示所有竞争组合的动态过程可以归结为两类演化过程。第一类演化满足意见的密度与争议边的比重之间存在相关性，整个演化过程（包括最终演化结果）可以通过数值近似计算和仿真模拟给出全过程的数学描述;对第二类演化，观察到大量同观点开口三元组结构的涌现可以很好地指示第二类演化的竞争结果。结果表明，基于群体重连规则的二元意见竞争可以预先有效感知;并且，基于同质性的意见优先重连规则在大部分条件下具有比较优势。