- 1、本文档共22页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
* * * * * * 复杂网络上的传播动力学——阈值与全局稳定性分析 傅新楚 上海大学数学系,xcfu@shu.edu.cn Based on collaborative works with: Guanrong Chen and Meng Yang 随机图与复杂网络研讨会 2012年5月25-28日,华东师范大学 目 录 引言 标准SIS模型及免疫策略 复杂网络上带媒介的SIS模型及其地方病平衡点和无病平衡点的全局稳定性 复杂网络上一类修正的带媒介的SIS模型及其地方病平衡点和无病平衡点的全局稳定性 注记 摘要:复杂网络是由具有一定特征和功能的、相互关联及相互影响的基本单元所构成的复杂集合体。在现实生活中,许多复杂问题都可用复杂网络来刻画和建模。例如,流行病的传播与控制、计算机病毒在网络中的扩散、谣言的流传、交通疏导等,都可以看作复杂网络上服从某种规律的传播行为。 目前,关于复杂网络上流行病的传播与控制已有很多研究成果。在具有齐次性质的复杂网络上,传染病的流行与否取决于流行病阈值。当传染率大于流行病阈值时,随着时间的推移传染病会在总人口中占有一定的比例,反之,传染病最终会消失。而对于具有非齐次性质的网络系统,人们一度认为,只要在初始时刻存在感染者,传染病会始终存在;但随后的研究表明,在一定更贴近现实的条件限制下,对于非齐次网络也存在正的流行病阈值(一般较小)。 本报告首先简单介绍研究的背景、进展及我们的主要工作;接着介绍标准SIS模型的动力学行为及免疫策略;然后讨论非齐次复杂网络上带传播媒介的SIS模型及其地方病平衡点和无病平衡点的全局稳定性;最后谈谈非齐次复杂网络上一类修正的带传播媒介的SIS模型,求出该模型的流行病阈值,并证明当感染率大于该阈值时,只要模型存在初始感染节点,模型就总存在唯一的正不动点,从而证明了该模型的传染过程的地方病平衡点和无病平衡点的全局稳定性。 近年来,复杂网络上的传染病动力学研究,已取得了丰硕成果 当传染率大于流行病阈值时,随着时间的推移传染病会在总人口中占有一定的比例;反之,传染病最终会消失 阈值与全局稳定性…… 一、引言 本报告拟在我们近期研究结果的基础上,汇报: 复杂网络上带传播媒介的SIS模型的地方病和无病平衡点的全局稳定性分析; 一类修正后的带传播媒介的SIS模型的地方病和无病平衡点的全局稳定性问题。 主要工作 二、标准SIS模型及免疫策略 那么可知: 根据平均场理论,可得模型如下: 其中: 易感者(S) 感染者(I) 传染概率 恢复概率 根据动力学稳定性理论,考虑如下平衡: 那么可得: 于是可得自洽方程: 那么当且仅当: 计算可得阈值为: 几类免疫策略 随机免疫:随机免疫就是完全随机地选取网络中的一部分节点机型免疫,那么可建立下列模型: 其中: 表示免疫率, 易知: 目标免疫:选取少量度大的节点进行免疫,也就是对那些与周围联系较为紧密的节点进行免疫。那么可以建立下列模型: 其中: 那么可得: 易证得: 熟人免疫:从网络中选取一定比例的节点,再从每个被选中的节点中随机选择一个邻居节点进行免疫,可以建立下列模型: 其中,令: 易得: 主动免疫:选择一定比例的感染节点,再对这些节点的度大于指定值的邻居节点进行免疫,可建立下列模型: 其中,令: 易得: 三、复杂网络上带传播媒介的SIS模型的全局稳定性分析 非齐次网络上带媒介的SIS模型包括三种状态:易感者、感染者、传播媒介。 根据平均场理论可得模型如下: 类似可知其自洽方程为: 易知其阈值为: 地方病平衡点的稳定性 无病平衡点的稳定性 四、一类修正的带媒介的SIS模型及其免疫策略及其地方病平衡点和无病平衡点的全局稳定性 根据平均场理论,可得到模型: 可以计算知其阈值为: 地方病平衡点的稳定性 无病平衡点的稳定性 五、注记 本报告在模型建立时,没考虑到人口变化的情形,当考虑人口变化时,网络结构将随之改变,模型将更复杂,但更贴近现实。 本报告考虑的带媒介的流行病模型,主要是SIS模型,亦可推广到SIR模型等其它流行病模型中。 …… Thanks for your attention!
文档评论(0)