Fenômenos coletivos em redes sociais como a formação de linguagem ou cultura, crenças, emergência de consenso em relação a algum assunto, aquisição de conhecimento e aprendizagem, dentre outros, tem conduzido a um grande interesse no estudo de comportamentos cooperativos e fenômenos sociais, resultando numa grande variedade de dinâmicas de opinião. Nestes modelos, uma população de agentes interagentes carrega uma variável (ou um conjunto delas) numérica cujo valor representa uma opinião sobre um tópico, com interpretações distintas em cada contexto. Inspirados em conceitos de mecânica estatística e mecanismos sociais, estes estados evoluem governados por regras matemáticas que controlam a dinâmica de interação entre os agentes e a influência de fatores externos. Outro ingrediente importante na modelagem de sistemas reais é que a representação das interações entre agentes difere bastante de reticulados ou misturas homogêneas, sendo mais bem descritas por redes complexas. Neste trabalho, estudamos a dinâmica de opinião de Krause e Hegselmann. Neste modelo, agentes possuem opiniões que assumem valores contínuos e são atualizados de acordo com a vizinhança compatível, definida pelo princípio da confiança limitada. Após apresentar uma revisão da literatura, estudamos a dinâmica de opinião no contexto de Redes Complexas, seguido de modificações do modelo que consideram a ação de ruído e campo externo (propaganda). Finalmente, propomos um modelo de consenso cuja interpretação está inserida no contexto de aquisição de conhecimento por agentes interagentes que realizam observações sujeitas a erros. Os resultados mostram como os diferentes tipos de topologia influenciam no comportamento das dinâmicas.

Collective phenomena in social networks such as formation of language or culture, beliefs, emergence of consensus on any subject, knowledge acquisition and learning, among others, has led to an increasing interest in the study of cooperative behavior and social phenomena, resulting in great variety of opinion dynamics. In these models, a population of interacting agents holds a variable (or a set of them) whose numerical value is an opinion on a topic, with different interpretations in each context. Inspired by concepts from statistical mechanics and social mechanisms, these states evolve governed by mathematical rules that control the dynamics of interaction between agents and the influence of external factors. Another important ingredient in the modeling of real systems is the representation of the interactions between agents, which strongly differs from lattices or fully mixed states, being better described by complex networks. In the present work, we study the opinion dynamics of Krause and Hegselmann. In this model, agents hold opinions that assume continuous values and are updated according to their compatible neighborhood, defined by the bounded confidence principle. After presenting a literature review, we studied the opinion dynamics in the context of complex networks, followed by modifications of the model considering the effect of noise and external field (advertising). Finally, we propose a consensus model interpreted as a process of knowledge acquisition by interacting agents that make observations subject to errors. The results show how the topology influences the dynamic behavior.