社交媒體用戶倦怠行為演化博弈及仿真分析

張瑞 趙棟祥 唐旭麗

摘 要：[目的]為探究社交媒體平臺用戶倦怠行為形成機制與規律，引導平臺向更好方向發展。[方法]結合心理學、復雜系統及決策科學，構建社交媒體平臺影響用戶倦怠行為分析框架，用演化博弈方法分析平臺、用戶行為策略，考慮個人異質性和平臺環境差異性作用，進行數據仿真。[結論]用戶內容資源貢獻、時間成本投入、固定收益是影響倦怠行為關鍵因素。此外，“利他型”用戶和 “友好”平臺環境氛圍有利于用戶和平臺關系穩定。

關鍵詞：社交媒體平臺;網絡用戶;用戶倦怠行為;演化博弈;數據仿真

DOI：10.3969/j.issn.1008-0821.2019.11.006

〔中圖分類號〕G206.2 〔文獻標識碼〕A 〔文章編號〕1008-0821（2019）11-0046-09

Abstract：[Purpose]This paper aimed at find out the formation mechanism and rules of users social media fatigue behavior in order to make social media platform develop in better way.[Method]Combined with psychology，complex systems and decision theory，this paper constructed an analytical framework of the user behavior impact of social media platform.Then，we analysed the platform and user behavior strategies by evolutionary game method，and the effect of individual and platform environment difference have been taken into account.Finally，numerical simulation was carried out.[Conclusion]This study showed that the key factors influenced the users fatigue behavior were user content resource contribution，time cost，and fixed income.In addition，the“altruism”behavior of users and the“friendly”platform environment would help the stability of relationship between users and the platform.

Key words：social media platform;web users;user fatigue behavior;evolutionary game;numerical simulation

社交媒體倦怠（Social Media Fatigue，SMF）是指用戶在使用社交媒體過程中，由于多方面原因導致用戶產生內在疲勞感，使用戶使用社交媒體頻率降低和使用時間減少，甚至退出社交媒體平臺[1]。不少研究指出，用戶倦怠行為已經在某些領域的社交網站上開始出現，一些用戶對社交媒體的熱情開始有所減少[2-3]。美國一項調查表明，34%的青年注銷了社交媒體賬號，64%暫停使用社交媒體[4]。《中國社交媒體影響報告》同樣顯示，39%的“90后”聲稱關閉了社交媒體的推送提醒[5]。種種現象反映，當用戶厭倦了社交媒體提供的功能、內容或活動，并感到精神疲憊，就不再積極使用，逐漸轉向被動消極的使用行為。這對于社交媒體平臺的健康穩定發展具有嚴重威脅，例如曾經一度流行的開心網在2010-2011年短短1年期間用戶數量從1億2 000萬下降到4 200萬，短時間內用戶大量流失給公司帶來了巨大損失[6]。

因此，對于設計者、產品方而言，不僅研究用戶接受行為是重要的，用戶的消極使用行為也不容忽視。通常，用戶對于社交媒體平臺的使用，既有微觀上個體用戶認知能力、理性、情緒穩定性等方面差異，更有宏觀上社交媒體類型多樣、競爭等復雜現實，使得用戶行為變化情況通常難以描述和解釋。本文則嘗試考慮用戶異質性和平臺環境差異性作用，從平臺與用戶關系視角探究用戶選擇倦怠行為的原因。本文關注的社交媒體平臺是基于用戶關系的內容生產與交換平臺，其運作模式是向用戶提供免費服務，依靠廣告作為收入來源，并不斷推出新的應用和功能，維持或吸引用戶的使用，如微信、微博、Facebook、Twitter等。下文中提到的“社交媒體平臺”如無特殊說明，均指此類平臺。本文通過分析用戶倦怠行為決策過程，嘗試用演化博弈理論和方法構建社交媒體平臺與用戶博弈模型，最后運用仿真實驗模擬用戶行為演化過程，以期為社交媒體平臺運營管理、服務優化提供建議。

1 相關研究

針對用戶倦怠行為研究多以探尋其影響因素為主導性視角。Bright L F等[7]基于有限能力模型，提出隱私擔憂、使用信心對倦怠行為具有顯著影響。Dhir A等[8]運用壓力源—緊張狀態—后果框架驗證了被迫性使用和錯失恐懼癥是造成倦怠行為主要影響變量，抑郁和焦慮是結果變量。謝名家[9]提出倦怠行為形成因素包括情緒耗竭、去人性化、個人成就感和隱私暴露風險。劉魯川等[10]將倦怠行為影響因素概括為兩類：環境因素和個人因素。這里的環境因素指信息過載、服務過載、社交過載和系統質量對用戶影響的集合。Zhang S等[11]和Lee A R等[12]在不同的實證分析中，從用戶感知過載視角驗證了環境因素對倦怠行為的正向影響作用。Karr-Wisniewski P等[13]也指出社交媒體中信息過載會使用戶在信息獲取過程中意識到認知受限。Thompson D V等[14]證明系統服務過載會導致用戶察覺到學習和使用成本較高，由此產生消極情緒。在個人因素方面，更強調個體差異對行為的影響。例如，Lee A R等[15]研究表明五大人格特質可以解釋38.5%的社交媒體倦怠行為現象。而且，心理學家對人格影響行為的研究相當廣泛，包括特質理論、精神分析理論、社會認知理論和人本主義理論等。其中，特質理論強調個體差異源于人格差異，認為個人特質具有穩定性和持久性，對行為有普遍和一致的影響。

在社交媒體平臺與用戶行為關系研究上，Karr-Wisniewski P等[13]從激勵框架和氛圍框架兩個方面，分析了平臺針對用戶個體參與心理采取的策略行為。激勵框架包括社會激勵（評價積極的回帖、思路一致的新內容貼等）和物資激勵（積分、獎金、頭銜等）;氛圍框架指顧客參與內容創造營造的各種氛圍（使用網頁設計、事件內容本身、回帖的情緒基調等）。從激勵角度，張敏等[16]也指出虛擬學習社區的激勵表現為滿足個體自身某種需求且成就他人利益無關。王慧賢[17]在平臺激勵視域下構建用戶貢獻行為博弈模型。從氛圍角度，王晰巍等[18]便提出社交媒體平臺上良好的信息環境對用戶產生積極影響。同時，鄭君君等[19]認為慣性需求動機和工具需求動機是影響用戶參與社交媒體平臺的兩大動機。這兩大動機實際上與雙系統決策模型中基于經驗意識的沖動系統和基于事實和價值觀的反射系統相對應，雙系統模型也常用于個體決策行為，以及自我控制情景研究中[20-21]。

上述研究主要從心理學及決策科學分析用戶倦怠行為，為本文探究其形成原因、過程提供了諸多參考。在用戶倦怠行為選擇過程分析中，涉及兩個主體：社交媒體平臺和用戶。但相關研究主要從用戶主觀層面上探究影響行為的各種因素，對于從平臺與用戶關系角度描述用戶社交媒體倦怠行為并不多見。雖然于建業等[22]以公共品博弈模型進行了用戶信息分享行為研究，但是并未考慮用戶行為動機以及決策影響因素的作用，無法對用戶行為進行充分性解釋。鑒于此，本文試圖將用戶倦怠行為決策作為一個漸進學習過程深入分析，對社交媒體平臺與用戶關系進行研究，同時考慮用戶個體及平臺環境的影響，分析不同場景下用戶倦怠行為演化機制與規律，引導社交媒體平臺向更好方向發展。

2 問題分析和研究思路

在相關研究基礎上，本文梳理出社交媒體平臺影響用戶倦怠行為過程。1）從社交媒體平臺策略角度來看，社交媒體平臺可以選擇的策略包含激勵和氛圍兩種。從激勵層面來看，不論是社會激勵還是物質激勵，用戶對于倦怠行為決策上更多是從效用分析層面進行考慮。從氛圍層面來看，平臺并不是直接增強用戶效用，而是通過人與人、人與環境之間交互作用來改變用戶行為動機。2）從社交媒體平臺用戶行為選擇角度來看，自身行為動機是用戶采取決策的前提。根據動機—決策對應關系，可認為用戶倦怠行為雙系統模型包含兩個過程：一個自動化過程，由慣性需求動機決定，即用戶行為過去慣有的方式采取行動;二是深思熟慮過程，由工具需求動機決定，即根據個人利益最大化采取理性行為。3）與社交媒體平臺和用戶相對應的宏觀影響因素分別是平臺環境因素和個人因素，當影響因素和決策問題復雜時，用戶的理性局限是非常明顯的[23]。此時外部影響因素對用戶行為選擇發揮重要作用。

經以上分析，本文構建社交媒體平臺影響用戶倦怠行為框架，見圖1。在社交媒體平臺采取激勵和氛圍兩種策略情況下，滿足用戶慣性需求動機和工具需求動機的需要，并運行反射系統和沖動系統兩個系統，最后輸出用戶行為決策結果。由此，社交媒體平臺用戶倦怠行為選擇過程分為兩個層面：在理性層面上，通過探討用戶與平臺的絕對收益，描述用戶行為模型;在非理性層面上，考慮用戶倦怠行為選擇受平臺和用戶自身的作用。因此，本文構建平臺—用戶演化博弈模型，分析用戶絕對理性情況下對于倦怠行為的選擇問題。此外，對個體和平臺環境進行分類，將自身心理偏好引入用戶決策過程，由此解釋用戶有限理性下倦怠行為產生的動因。

3 社交媒體平臺與用戶演化博弈模型構建

社交媒體作為人們維系關系、獲取信息、交流互動的重要平臺，并不是純粹以“信息服務”作為自身定位，更重要的是聚合受眾，提供“社交服務”。因此社交媒體主要由三要素構成：關系、信息和互動，它的發展離不開群眾基礎和技術支持。作為社交媒體平臺方，通過結合用戶社交屬性才能保持平臺活力，所以要讓用戶進行自發貢獻，形成長期穩定的用戶規模。為此，社交媒體平臺可以從激勵措施（社會激勵和物質激勵）獲取更多的用戶數量，從而獲得多方面收益，如廣告收入、資產溢價等。從平臺服務與用戶關系的角度，用戶是否響應措施對社交媒體平臺尤為重要，若激勵措施無效，用戶群體規模變小，意味著平臺要付出相應的代價。因此，社交媒體平臺采取的激勵措施，類似于平臺建設投資，可能獲益，也可能虧損;在選擇過程中必須權衡自己的策略使自己利益最大化。對于社交媒體平臺帶來的負面影響，用戶較為在意的是“時間綁架”。用戶可以從平臺上獲得自身的需求，不論是獲得物質上或情感上的收益，但是會付出相應的時間成本。從用戶角度，不使用社交媒體平臺提供的服務，既無損失也無收益;但使用服務，意味著用戶將投入時間成本，仍可能得不到相應的價值。

從交易關系角度來講，平臺處于主導地位且理性程度極高，但用戶擁有自由選擇權力，平臺難免受制于用戶。從經濟利益角度來講，用戶相當于勞動者，而平臺占有用戶剩余價值，用戶處于不利地位。本文將采用演化博弈理論對社交媒體平臺影響用戶行為過程進行研究，其中社交媒體平臺作為完全理性參與者、用戶作為有限理性參與者。針對以上問題，本文提出以下假設：

假設1：社交媒體平臺在建設期間，已經擁有初始用戶，可獲得的固定收益。平臺可以選擇是否采取激勵措施，即{激勵，不激勵}。采取激勵措施需要一定的投入，以獲取更多的用戶數量。如果用戶響應平臺激勵措施，不選擇倦怠行為，則此時激勵行為便能發揮作用，社交媒體平臺由此獲得額外收益m。否則，社交媒體平臺將會付出相應的激勵成本。

假設2：用戶可選擇策略為{選擇SMF，不選擇SMF}。若用戶選擇倦怠行為，雙方不合作，用戶收益為0。若用戶不選擇倦怠行為，用戶可以從社交媒體平臺獲得一定內容資源收益w，但是也會因此付出一定時間成本T。不同的社交媒體平臺具有不同的時間成本系數η，η越大，表明用戶因為參與社交媒體平臺而放棄個人利益越大。

假設3：社交媒體平臺的本質就是“鼓勵分享”，當有了內容資源的流動，構成人與人之間互動的基礎，平臺才具有生命力。因此，社交媒體平臺需要用戶主動進行信息分享。社交媒體采取激勵措施，鼓勵樂于分享的用戶，用戶在社交媒體平臺中的貢獻S越大，則有的可能性被社交媒體平臺所獎勵，λ為獎勵系數。

由此可以得到社交媒體平臺與用戶的成本矩陣表和收益矩陣（見表1、表2）。

4.2 仿真結果

1）初始用戶倦怠行為概率變化

引入系統動力學原理利用Anylogic軟件進行建模仿真，通過調整參數大小，觀測演化結果，以此來檢驗構建模型的合理性，同時探究各因素對用戶倦怠行為演化博弈的影響。定義外部變量參數M=（x，S，λ，T，η，r，m，v）=（10，40，0.4，60，0.3，2，20，2）。此時滿足條件0≤A≤1，0≤B≤1。令x=x*=A=0.5，即社交媒體平臺一方初始值為混合策略Nash均衡值。用戶SMF行為選擇概率y的初始值y=0.6、y=0.8，觀察不同初始值下用戶選擇SMF行為概率的演化過程（見圖2）。可見，社交媒體平臺進行激勵措施概率初始值定為混合策略Nash均衡值時，給定y的初始值，用戶采取SMF概率始終圍繞均衡值上下波動，系統此時存在1個中心點和5個鞍點，沒有穩定點;且系統波動幅度與初始值有關，y=0.8的波動幅度大于y=0.2的波動幅度。由于初始值選取與演化結果無關[29]，結果反映當社交媒體平臺采取穩定策略時，整個系統難以控制，這時用戶采取倦怠行為策略概率難以達到穩定，該結果驗證了本文模型的合理性。

2）平臺激勵作用下用戶倦怠行為選擇分析

當M=（w，S，λ，T，η，r，m，v）=（10，40，0.4，60，0.3，2，20，2）時，社交媒體平臺一方的初始值為0.5，用戶選擇SMF行為概率在0.5上下波動，系統難以達到穩定狀態。為考慮社交媒體平臺的作用，討論獎勵系數λ、時間成本系數η、用戶固定收益w和平臺固定獎勵成本v這4個參數對用戶行為的影響（社交媒體激勵措施較多，但主要與這4個參數相關）。保持參數集M不變，社交媒體平臺和用戶選擇策略初始比例為0.5。

為了更直觀展現用戶SMF行為變化過程，調整λ、η、w和v初始值，得到相應演化結果見圖3。

其中，不同的λ值對應的用戶行為選擇概率曲線都是經過短暫上升后，迅速下降。即當平臺獎勵系數λ增加時，用戶會在短時間內將自己的行為調整為接受，最后的穩定策略是不選擇SMF。所以，用戶SMF行為選擇概率與λ值反向變動。社交媒體平臺通過持續的獎勵措施能夠對用戶SMF起到很好的抑制作用，會促進用戶行為選擇決策速度，加快系統演化。

時間成本系數η值以步長為0.05從0.05增加到0.15時，η越大，用戶的SMF行為選擇概率變化越快。當用戶在社交媒體平臺上的時間系數較大時，會對用戶期望效用產生較大的影響，作為平臺使用者會采取一定的自我控制行為，即選擇SMF概率趨向于1。

用戶固定收益w體現在平臺建設上，平臺能為用戶提供固定內容資源收益值越大，則用戶就容易對平臺保持持續使用關系。當w值為16時，用戶選擇SMF概率迅速降為0;降低到9時，概率在0.5上下波動;當w值降低到2時，用戶選擇SMF概率會增加到接近1，但仍然保持周期性波動。持續降低用戶固定收益，用戶最后都會選擇SMF。

當平臺獎勵成本v以步長為1從3上升到5，用戶SMF行為選擇概率下降速度變緩慢。由此體現，平臺對于獎勵行為付出的成本越大，平臺的效用則會由此下降，從而平臺采取激勵措施概率下降，用戶的SMF行為選擇概率提升。

結果表明，當用戶倦怠行為概率變化與獎勵系數、時間成本系數、用戶固定收益和平臺固定獎勵成本密切相關。當上述參數發生變化時，演化穩定策略均有所不同。可以得出，短期內用戶行為選擇與獎勵系數、時間成本系數關系更為密切，但長期來說用戶固定收益和平臺固定激勵成本對用戶行為的作用更為明顯。其中，激勵成本越高，用戶選擇倦怠行為概率反而增加。說明平臺對于激勵行為付出成本越大，平臺效用則會由此下降，不利于雙方達成穩定協議。

3）個人和平臺差異性對用戶倦怠行為影響

對于用戶而言，個人因素和平臺環境因素是影響用戶行為決策的兩個關鍵因素，改變個人因素參數集P（α，β）和環境因素參數集E（θ，ξ，γ）取值，分析個人異質性和平臺環境差異性對用戶行為的影響。對不同的用戶行為特征類型進行分析，用參數α和β取值區分，P（α，β）參數集（0.2，0.2）、（0，0）、（-0.2，0.2）、（-0.2，-0.2），分別代表“利他型”、“自利型”、“互惠型”和“功利型”。社交媒體平臺和用戶初始策略選擇均設為均衡策略0.5，仿真周期為100，見圖4。

由圖4可知，自利型用戶作為完全的理性者，系統波動圍繞均衡策略0.5水平上下波動，振幅基本沒有變化。而“利他型”和“互惠型”用戶，波動幅度隨時間增長逐漸變小，用戶改變行為策略的沖動被抑制，兩種類型的用戶SMF行為系統最終趨于穩定狀態，且“利他型”用戶策略收斂速度較快。“功利型”用戶隨著時間的增長，震蕩程度由小逐漸變大，說明具有該行為特征的用戶達到穩定點之前會經歷更多的策略選擇波動。4種行為特征類型的用戶，“利他型”用戶對SMF行為抑制效果最好，其次是“互惠型”、“自利型”和“功利性”。但該策略并不能從根本上改變SMF行為的變化趨勢，說明用戶個人行為特征并不是改變用戶SMF行為的直接原因。

不同的平臺環境類型，用參數θ、ξ和γ取值區分，E（θ，ξ，γ）參數集（1，2.25，0.8）、（1，1，1）、（1.5，1，2.25），分別代表社交媒體平臺環境“友好”、“一般”和“不友好”。社交媒體平臺初始策略為0.5，用戶初始策略選擇為0.4，仿真周期為100，見圖5。

演化結果表明，環境“一般”和環境“友好”的情況下，行為波動較小，通過控制社交環境能有效抑制博弈演化過程中波動現象;而對于環境“不友好”的情況，用戶行為決策狀態變化大，呈現出較大幅度波動，且周期頻率增加，此時，用戶行為策略難以達到穩定狀態。平臺環境從“一般”到“友好”，用戶行為會更加穩定，行為變動不大;但是從“一般”到“不友好”，用戶行為表現強烈，變動較大，行為難以達到穩定狀態。

5 結論與啟示

本文將心理學理論、行為決策以及演化博弈相結合，綜合用戶行為決策過程及其主要影響因素，構建社交媒體平臺與用戶的演化博弈模型，并用系統仿真的方式解釋用戶社交媒體倦怠行為過程。仿真結果表明：社交媒體平臺短期內通過實現獎勵、控制時間成本投入對于抑制用戶社交媒體倦怠行為具有顯著影響，保障用戶固定收益對于長期平臺建設效果明顯，但獎勵成本過高不利于雙方關系穩定。同時發現用戶“利他型”行為特征以及“友好”平臺環境有利于用戶決策狀態趨于穩定。因此，根據上述研究結論，本文對社交媒體平臺運營管理、服務優化提出以下建議和對策：

1）關注用戶社交媒體活動，實行多樣獎勵。過去社交媒體平臺作為主導性一方，可以從用戶生產內容、廣告創造內容中獲取高額利潤，但是不給用戶零星報酬，并不利于社交媒體長期健康發展。

2）回歸用戶社交媒體需求，控制廣告投入。社交媒體平臺更應該意識到用戶社交媒體的真正需求，控制廣告投入，將用戶注意力留給優質內容。

3）制定用戶社交媒體規則，確保內容質量。社交媒體平臺可采取不同的手段對自身平臺內容進行評價、核實和把關，不僅要確保用戶發布內容的自由性，同時要確保平臺內容質量，以維持用戶在平臺上的長期固定收益。

4）提高用戶社交媒體服務，加強平臺建設。在實踐中，加強社交媒體平臺建設是最為保守投入方式，有利于平臺的長遠發展。同時，優化用戶服務，擴大用戶規模，確保所有用戶在平臺中均有機會獲取“優質信息”和“深刻關系”，才能從根本上真正降低用戶消極使用行為的發生。

5）細分用戶社交媒體市場，開展社群運營。社交媒體自發展以來，不同形態社群蓬勃發展，針對某一特定人群或需求的應用產品更能發揮用戶的利他特征。從平臺開發的視角，挖掘用戶“強關系”社交需求、提供更精準細致的推送與服務具有較大開拓空間和發展潛力。

6）注重用戶社交媒體體驗，優化交互環境。隨著社交工具商業化，社交媒體平臺運營商很容易忽視社交環境作用。社交媒體平臺環境惡化會對用戶使用行為帶來顯著影響。一方面，保持文明、安全、穩定的平臺環境，引導用戶進行正常有序的人與人之間交往行為;另一方面，注重社交媒體用戶體驗，提升平臺的設計感和適用性，增強用戶對平臺的信賴。

參考文獻

[1]李宏，李微.社交媒體倦怠研究述評與展望[J].情報科學，2017，35（9）：172-176.

[2]劉魯川，李旭，張冰倩.社交媒體用戶的負面情緒與消極使用行為研究評述[J].情報雜志，2018，37（1）：105-113，121.

[3]Lee C C，Chou S T H，Huang Y R.A Study on Personality Traits and Social Media Fatigue-Example of FacebookUsers[J].Lecture Notes on Information Theory，2014，2（3）：249-253.

[4]新華網.逾三成美國青年棄用社交媒體[EB/OL].http：//us.xinhuanet.com/，2018-03-14.

[5]郭敏.2017凱度中國社交媒體影響報告[EB/OL].https：//cn.kantar.com/，2018-03-19.

[6]Zhao Y，Xu X，Peng X，et al.Understanding the Determinants and Dynamic Process of User Exodus in Social Networking Sites：Evidence from Kaixin001[J].Journal of the Association for Information Science & Technology，2018.

[7]Bright L F，Kleiser S B，Grau S L.Too Much Facebook？An Exploratory Examination of Social Media Fatigue[J].Computers in Human Behavior，2015，44（C）：148-155.

[8]Dhir A，Yossatorn Y，Kaur P，et al.Online Social Media Fatigue and Psychological Wellbeing—A Study of Compulsive Use，Fear of Missing Out，Fatigue，Anxiety and Depression[J].International Journal of Information Management，2018，40：141-152.

[9]謝名家.社交媒體倦怠量表發展之研究[D].高雄：國立高雄第一科技大學管理研究所，2012.

[10]劉魯川，李旭，張冰倩.基于扎根理論的社交媒體用戶倦怠與消極使用研究[J].情報理論與實踐，2017，40（12）：100-106，51.

[11]Zhang S，Zhao L，Lu Y，et al.Do You Get Tired of Socializing？An Empirical Explanation of Discontinuous Usage Behaviour in Social Network Services[J].Information & Management，2016，53（7）：904-914.

[12]Lee A R，Son S M，Kim K K.Information and Communication Technology Overload and Social Networking Service Fatigue：A Stress Perspective[J].Computers in Human Behavior，2016，55：51-61.

[13]Karr-Wisniewski P，Lu Y.When More is Too Much：Operationalizing Technology Overload and Exploring Its Impact on Knowledge Worker Productivity[J].Computers in Human Behavior，2010，26（5）：1061-1072.

[14]Thompson D V，Hamilton R W，Rust R T.Feature Fatigue：When Product Capabilities Become Too Much of a Good Thing[J].Journal of Marketing Research，2005，42（4）：431-442.

[15]Lee A R，Son S M，Kim K K.Information and Communication Technology Overload and Social Networking Service Fatigue：A Stress Perspective[J].Computers in Human Behavior，2016，55：51-61.

[16]張敏，唐國慶，張磊.虛擬學習社區知識貢獻行為的激勵因素分析[J].情報理論與實踐，2017，40（2）：86-91.

[17]王慧賢.社交網絡媒體平臺用戶參與激勵機制研究[D].北京：北京郵電大學，2013.

[18]王晰巍，曹茹燁，楊夢晴，等.微信用戶信息共享行為影響因素模型及實證研究——基于信息生態視角的分析[J].圖書情報工作，2016，60（15）：6-13，5.

[19]鄭君君，劉春燕，沈校亮，等.基于使用與滿足理論的社交媒體用戶參與研究——考慮問題性使用的中介作用和性別的調節作用[J].技術經濟，2017，36（1）：123-129.

[20]Strack F，Deutsch R.Reflective and Impulsive Determinants of Social Behavior.[J].PersSocPsychol Rev，2004，16（3）：220-247.

[21]Hofmann W，Friese M，Strack F.Impulse and Self-Control From a Dual-Systems Perspective[J].Perspectives on Psychological Science A Journal of the Association for Psychological Science，2009，4（2）：162.

[22]于建業，王元卓，靳小龍，等.基于社交演化博弈的社交網絡用戶信息分享行為演化分析[J].電子學報，2018，46（1）：223-229.

[23]謝識予.經濟博弈論[M].上海：復旦大學出版社，2002.

[24]丁川，王開弘，冉戎.基于公平偏好的營銷渠道合作機制研究[J].管理科學學報，2013，16（8）：80-94.

[25]石莉萍.關于前景理論的理論綜述[J].財務與金融，2014，（3）：76-81.

[26]馬健，孫秀霞.基于效用曲線改進的前景理論價值函數[J].信息與控制，2011，40（4）：501-506.

[27]盛昭翰，張維.管理科學研究中的計算實驗方法[J]管理科學學報，2011，14（5）：1-10.

[28]Weibull J W.Evolutionary Game Theory[M].Princeton：Press，1995.

[29]王眾托.系統工程引論[M].北京：電子工業出版社，2006：281-283.

（責任編輯：郭沫含）