复杂网络上疾病传播与免疫及动力学.pptVIP

复杂网络的传播机理与动力学分析张玉林2010.11.28;?复杂网络中疾病传播与免疫 复杂网络的传播临界值理论 复杂网络的免疫策略与技术 ;主要内容: 1. 疾病传播的基本知识 2. SIS和SIR传播模型 3. 均匀网络中的SIS模型, WS模型为例进行解析 4.无标度网络中的SIS模型, BA模型为例进行解析 ;1. 疾病传播;Ⅲ. 传染病模型 科学家通过用基本状态之间的相互转换来建立不同的传播模型： SIS模型：易染个体被感染后，可以被治愈但无免疫力（还可以再被感染）（感冒等） SIR模型：易染个体被感染后，可以被治愈且有免疫力（不会被感染，也不会感染其它节点，相当于已经从传播网络中被清除了）（天花等） SI模型：易染个体被感染后，不能被治愈（艾滋病等） SIRS模型：易染个体被感染后，可以被治愈且有免疫力，但免疫期是有限的，还会再次回到易染状态。（乙肝？） ; 疾病传播模型的描述;① 感染密度（感染水平或者波及范围）ρ(t) ρ(t)：传播过程中,感染节点总数占总节点数的比例。ρ：传播到稳态时（ ）感染密度的值,称为稳态感染密度。 ② 有效传播率λ(=?/?) λ非常小（?很小，?很大），传播达稳态时， 所有节点都会变成健康节点，这种情况下就认为疾病 没有在网络上传播开来，并记该疾病的稳态感染密度 ρ =0。 反之，当λ足够大时，疾病将一直在网络中存在而不会完全消失，只是染病节点的数目有时多有时少，这时稳态感染水平（波及范围） ρ 0。把稳态感染密度从零向正实数变化的那个点所对应的有效传播率称作传播阈值（临界值） λc。它是衡量网络上的传播行为最重要的参量之一。 ; SIS模型传播方程 设s,i分别表示群体中S,I个体所占 　的比例，则SIS传播的微分方程组为： SIR模型传播方程 设s,i,r分别表示群体中S,I,R个体所占 的比例，则疾病传播的动力微分方程组为： 注: (1) 传播网络是完全图，但实际网络中，只有接触才能被感染 (2) 　 并不是对每个节点都一致，而是服从分布 ， Newman对其进行了研究。 ;3. 均匀网络中的SIS模型;运用平均场的方法可得：被感染个体密度ρ(t)的变化率 被感染节点以单位速率恢复健康 单个感染节点产生的新感染节点的平均密度，它与有效传播率?、节点的平均度〈k〉，健康节点相连概率1-ρ(t)成比例，（其他的高阶校正项忽略了）。 ;当传播达到稳态时，变化率为0，所以令上式右端为0； 即：-ρ+?kρ[1-ρ]=0 ρ（1-λk+λkρ）=0； ρ（ρ- ）=0； 当λ 时，ρ- 必大于0，所以ρ=0； 当λ 时，ρ= ； 所以， 即为临界传播值，记 = 。 ;结论： 在均匀网络中存在一个有限的正的传播临界值λc。 如果有效传播率λ ? λc，则病毒可以在网络中传播 开来，并最终稳定于 , 此时称网络处于激活相态； 如果有效传播率λλc，病毒 感染个体数呈指数衰减，无法大 范围传播，最终将不能传播, 此时网络称为吸收相态。;4.无标度网络中的疾病传播;同样我们能采用MF理论来求 的变化率得:度为k的节点相对感染密度的变化方程为： 被感染个体以单位速率恢复健康 ：任意一条给定的边与一个被感染节点相连的概率 单个感染节点产生的新感染节点的密度 ;根据稳态条件 ，可得： 传播达稳态时， 记为 :给定一条边，这条边指向一个已感染节点的概率 此概率值不依赖于出发点的度，而仅于 有关；并且趋于稳态时， 又是λ的函数，因此趋于稳态时 可以表示为 。 节点的度越高，被感染的概率越高;下面我们计算 ：给定端点的一条边，其另一个端 点为染病节点的概率时，必须考虑到网络的非均匀性。 任意一条给定边指向度为k的节点的概率为 （与度为k节点关联的边数与总边数的比值） 则任意一条给定边指向度为k的感染节点的概率为 从而， （将 的值代入） ;回忆：传播临界值 必须满足的条件：当 时，可以得到 的一个零解。当 时，可以得到 的一个非零解。 有一个平凡解 如果该方程要存在一个非零稳定解 ，需要满足如下条件： 即有：;结论：对于SF（无标度）网络，节点度数具