网络动力学浅析.pptVIP

复杂系统与复杂网络——网络动力学 6.1复杂网络上的物理传输过程动力学 6.2网络的同步 6.1 网络上的物理传输过程动力学 复杂网络上的传播动力学问题是复杂网络研究的一个重要方向。 主要研究社会和自然界中各种复杂网络的传播机理与动力学行为以及对这些行为高效可行的控制方法。 复杂网络上的传播过程可以分为两类：不符合物质或能量守恒的过程以及符合物质或能量守恒的过程。 首先介绍复杂网络上的流行病传播机理，接着介绍复杂网络的免疫策略，然后介绍复杂网络上的舆论传播，最后介绍复杂网络上的数据包传递机理和拥塞控制。 6.1.1复杂网络上的流行病传播 流行病传播的速度很快，对社会的影响非常大，引起全社会的极大关注，如网络病毒、人类社会中的SARS、性病、艾滋病和谣言等等。 在复杂网络上，最近的理论和实验都表明流行病的传播阈值与网络系统的尺寸(节点数)有着紧密联系。 在复杂网络传播动力学的研究中，传播阈值λc是理论和实验研究工作者特别关注的一个重要参量。对于尺寸非常大的网络系统而言，如果流行病的传播概率大于该传播阈值，那么受感染人数将占一个有限大小的比例，即传染病会爆发且持续地存在；否则，受感染人数会呈指数衰减，其占总人数的比例将接近于0，即传染病将会自然消失。 流行病传播的基本模型 需要采用不同的数学模型来表征不同的传播规律，它们是复杂网络传播动力学研究的基础。 传播模型中的每一类个体都处于同一种状态。基本状态包括：易感状态(S)，即健康的状态，但有可能被感染；感染状态(I)，即染病的状态，具有传染性；移除状态(R)，即感染后被治愈并获得了免疫力或感染后死亡的状态。处于移除状态的个体不具有传染性，也不会再次被感染，即不再对相应动力学行为产生任何影响，可以看作已经从系统中移除。 在真实系统中不同种类的传染病具有不同的传播方式， 研究它们的传播行为通常采用不同的传播模型 SIS模型 描述像感冒这类治愈后患者不能获得免疫力的疾病。此外计算机病毒也属于这一类型。个体分为两类：易感人群(S)和染病人群(I)。 染病人群为传染的源头，它通过一定的概率λ把传染病传给易感人群。染病人群本身也有一定的概率u可以被治愈；易感人群一旦被感染，就又变成了新的传染源。SIS模型的感染机制可以用下式表示： s(t)，i(t)分布标记群体中个体在时刻t处于S态和I态的密度，当易感人群和感染人群充分混合时，其动力学可以用下列微分方程组描述： 此方程中存在一个阈值λc=α/β，当λλc时其定态解为i(T)=0，而当λλc时其定态解为i(T)0，这里T为达到稳定态的时间。 SIR模型 适合描述那些染病者在治愈后可以获得终生免疫能力的疾病，如麻疹、腮腺炎、水痘、百日咳等，或者几乎不可避免走向死亡的疾病，如艾滋病等。 人群分为三类：易感人群(S)、染病人群(I)和免疫人群(R)。不同于SIS模型，这里染病人群将不再变为易感人群而是以概率u变成免疫人群。在每一个给定的时间，个体处于三态之一，其动力学方程如下： 用s(t)，i(t)，r(t)分布标记群体处于S态、I态、R态的密度。当易感人群和染病人群充分混合时，SIR模型的动力学可以用下列微分方程组描述： 随着时间进行，感染人数将逐步增加。经过充分长的时间后，因为易感个体的不足使得感染个体也开始减少，直至感染人数变为0，传染过程结束。 因此，SIR模型在稳态时刻t=T的传染密度r(T)和有效传染率λ存在着一一对应的关系，且r(T)可以用来测量传染的有效率。当λλc时感染无法扩散，而当λλc时感染爆发。 其他模型 SI模型用于描述那些染病后不可能治愈的疾病，或对于突然爆发尚缺乏有效控制的流行病，如黑死病及非典型肺炎。也就是说，在SI模型中，个体一旦被感染就会永久处于感染状态。 SIRS模型适合于描述免疫期有限或者说免疫能力有限的疾病。与SIR模型不同的是，在SIRS模型中，处于移除状态的个体(治愈后具有免疫力)还会以概率γ失去免疫力。 SEIR模型适合于描述具有潜伏态的疾病，如季节性感冒。与SIR模型不同，易感个体与感染个体接触后先以一定概率α变为潜伏态(E)，然后再以一定概率β变为感染态。 均匀网中的流行病传播 按照度分布，复杂网络可以分为均匀网络和非均匀网网络。 均匀网的度分布范围不大，在某一平均值附近且度分布指数衰减，如随机网络与小世界网络。 对于均匀网络，其传播动力学通常可以由平均场或均匀混合方法给出。 本小节介绍均匀网络中的流行病传播规律，分别基于SIS和SIR两种模型加以讨论。 1． 基于SIS模型的情形 均匀网络中每个节点的度近似等于网络的平均度，即k≈＜k＞。 对于SIS模型来说，在每一个时间步，如果网络中易感个体至少和一个感染个体相连，则它被感染的概率为α；同时，感染个体被治愈变为易感