学会杯数模个论文.docxVIP

关 键 词 ：社交网络，信息传播，微分方程，传染病模型，龙格-库塔法摘 要：本文以各大社交网站的用户关系数据为基础，并着重研究了在新浪微博用户之间的链接关系数据，通过合理估计，数据整理，概率平均等方法得到所需各个参数。我们构造了一个基于在线社交网络的信息传播模型。该模型考虑了节点和传播机理的影响，结合复杂网络和传染病动力学理论，进一步建立了动力学演化方程组。该方程组刻画了不同类型节点随着时间的演化关系，反映了传播动力学过程受到网络拓扑结构和传播机理的影响。本文模拟了在线社交网络中的信息传播过程，并得出了使微博影响最大化的重要因子和最优方案。关键词：传染病模型 推广节点 传播节点一：问题重述：微博，是一个基于用户关系的信息分享、传播以及获取平台；它的出现开辟了自媒体时代。时下很多信息是通过微博获取，短短140字可以传播非常多的信息。 随着微博的发展，微博营销也成为了很多企业进行宣传的一种手段。微博粉丝数量的多少、微博转发量和评论量是衡量一个微博好坏的重要标准。 一家公司想把自己的产品，通过一个100粉丝的账号，在3天内，传播给最多的受众。请查阅资料，建立数学模型，用最优方式实现。二：问题分析 在微博传播过程中，公司推广账号发出微博后，其粉丝中会有一定部分转发或评论，而粉丝的粉丝也有可能转发或评论该微博。经过分析，我们认为，微博传播模型类似于传染病传播模型。在SNS 网络中，一个人发布的消息会被其好友看到，并以一定的概率分享、传播。同时，若其好友对其内容不感兴趣则成为“免疫者”且不会传播。本文把SNS 网络上的用户定义为节点，个体之间的好友关系则可以抽象地用节点之间的边来表示，信息只沿着边传播。三：建立的模型根据信息在SNS 网络中的传播规律，我们把网络中的节点分为三类:传播节点、未感染节点、免疫节点。传播节点表示该节点接受了来自其邻居节点的信息，并具有传播该信息的能力。未感染节点表示该节点没有接受过来自其邻居节点的信息，并有机会接受信息，即有概率被感染。免疫节点表示该节点已经接受了其邻居节点的信息，但是不具有传播能力。节点在传播状态、未感染状态和免疫状态之间的转移不仅依赖于节点自身的状态，还与它的邻居节点的状态相关，定义以下传播规则:1) 如果一个传播节点与一个未感染节点接触，则未感染节点会以概率P1成为传播节点。2) 如果一个传播节点与一个免疫节点接触，则传播节点会以概率P2成为免疫节点。3) 传播节点不会无休止地传播下去，会以一定的速度v 停止传播而变为免疫节点，且无需与其他节点接触。一：符号说明符号意义如果一个传播节点与一个未感染节点接触，则未感染节点会以概率P1成为传播节点 如果一个传播节点与一个免疫节点接触，则传播节点会以概率P2成为免疫节点. 传播节点停止传播而变为免疫节点的速度 节点 当前时刻（第t天） 时间改变量 表示节点j 在［t，t + Δ t］时段内处于未感染状态的概率 表示节点j 从未感染状态转移到传播状态的概率表示在t 时刻节点j 的邻居中传播节点的数量节点j的度 表示在t 时刻从具有k 条边的未感染节点连接到一个传播节点的概率 表示度为k 的节点与度为k′的节点邻接的条件概率 表示一个拥有k′条边的节点在它连接到一个度为k 的未感染节点的条件下，处于传播状态的概率 表示在t 时刻度为k′的传播节点的密度. 度为k 的节点在［t，t + Δ t］时段内处于未感染状态的平均转移概率 表示节点j 在［t，t + Δ t］时段内从传播状态转移到免疫状态的概率 表示节点j 保持传播状态的概率 度为k 的节点在［t，t + Δ t］时段内处于感染状态的平均转移概率 在t 时刻网络中度为k 的节点总数量在t时刻网络中度为k 的未感染节点的数量 在t时刻网络中度为k 的传播节点的数量 在t 时刻网络中度为k 的免疫节点的数量 表示在t 时刻度为k′的未感染节点的密度. 表示在t 时刻度为k′的免疫节点的密度. 表示在t 时刻度为k′的传播节点的密度. 度的分布函数（度为在网络中的概率） k 网络节点平均度. 第i个推广者（i=1，2，3?? ） 推广者节点平均每天新增的度个数 除推广者节点以外其他普通节点平均每天新增的度个数 t时刻推广者节点的度 t时刻除推广者节点以外其他节点的度 网络中节点的最大度除推广者节点外的其他节点P1的值 t时刻，网络中节点的数目二：模型的建立假设一个节点j在t时刻处于未感染状态，则有：= (1) ? ?式中，g=g(t)表示在t时刻节点j的邻居中传播节点的数量。假设节点j含有k条边， g是具有二项分布的随机变量:? ? 式中，表示在t时刻从具有k条边的未感染节点连接到一个传播节点的概率. 可写为如下形式: = , (3)度为k的节点在时间段内从传播状态转移到免疫状态的概率将（3）