Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Mobility helps problem-solving systems to avoid groupthink

Texto completo
Autor(es):
Gomes, Paulo F. [1, 2] ; Reia, Sandro M. [1] ; Rodrigues, Francisco A. [3, 4, 5] ; Fontanari, Jose F. [1]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Inst Fis Sao Carlos, Caixa Postal 369, BR-13560970 Sao Carlos, SP - Brazil
[2] Univ Fed Goias, Inst Ciencias Exatas & Tecnol, BR-75801615 Jatai, Go - Brazil
[3] Univ Warwick, Ctr Complex Sci, Coventry CV4 7AL, W Midlands - England
[4] Univ Sao Paulo, Inst Ciencias Matemat & Comp, Caixa Postal 668, BR-13560970 Sao Carlos, SP - Brazil
[5] Univ Warwick, Math Inst, Gibbet Hill Rd, Coventry CV4 7AL, W Midlands - England
Número total de Afiliações: 5
Tipo de documento: Artigo Científico
Fonte: Physical Review E; v. 99, n. 3 MAR 6 2019.
Citações Web of Science: 0
Resumo

Groupthink occurs when everyone in a group starts thinking alike, as when people put unlimited faith in a leader. Avoiding this phenomenon is a ubiquitous challenge to problem-solving enterprises and typical countermeasures involve the mobility of group members. Here we use an agent-based model of imitative learning to study the influence of the mobility of the agents on the time they require to find the global maxima of NK-fitness landscapes. The agents cooperate by exchanging information on their fitness and use this information to copy the fittest agent in their influence neighborhoods, which are determined by face-to-face interaction networks. The influence neighborhoods are variable since the agents perform random walks in a two-dimensional space. We find that mobility is slightly harmful for solving easy problems, i.e., problems that do not exhibit suboptimal solutions or local maxima. For difficult problems, however, mobility can prevent the imitative search being trapped in suboptimal solutions and guarantees a better performance than the independent search for any system size. (AU)

Processo FAPESP: 17/23288-0 - Tópicos em inteligência coletiva: Brainstorming, Vox Populi e Physarum polycephalum
Beneficiário:José Fernando Fontanari
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 15/17277-0 - Difusão de inovações: modelagem computacional baseada no modelo de Axelrod
Beneficiário:Sandro Martinelli Reia
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 16/25682-5 - Propagação de informação em redes complexas
Beneficiário:Francisco Aparecido Rodrigues
Linha de fomento: Auxílio à Pesquisa - Regular