【摘要】：考慮疾病在復雜網絡上的傳播已經成為疾病動力學研究的重要組成部分,而網絡結構對疾病的傳播起著決定性的作用.網絡聚類已經被證實會引起網絡結構的改變,進而,對疾病動力學產生不可忽視的影響.第二章,首先,本章建立了一個網絡上帶聚類的SIR類傳染病模型,即接著,通過隨機模擬與數(shù)值模擬的對比,模型的有效性得到了驗證;同時,從模型數(shù)值結果得出:隨著網絡聚類的增加,疾病的傳播速率出現(xiàn)減緩,而且,疾病的最終規(guī)模也隨之降低.最后,借助于隨機模擬,本章也進一步討論了聚類分布函數(shù)對疾病動力學的影響:在保持度分布與聚類值幾乎一致的前提下,在具有不同聚類分布函數(shù)的兩類網絡上,盡管疾病在傳播速度上表現(xiàn)出了差異,但在疾病的最終規(guī)模上彼此相差無幾.第三章,為了研究本文提出的一種聚類網絡生成算法與目前廣泛采用的“big V”重連算法生成的聚類網絡的結構差異,本章對比了兩類網絡的大尺度結構特征,包括平均路徑長度、度的同配性以及巨連通片的規(guī)模.結果表明,兩類網絡在平均路徑長度與巨連通片的規(guī)模特性上具有較高的一致性;而在度的同配性這一特性上,相較于“big V”重連算法而言,本文提出的算法在引入聚類的同時,也帶來較高的度的同配性.
【學位授予單位】：山西大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R181;O157.5
【圖文】：

在此基礎上，在每一個網絡上獨立重復進行５次疾病動力學模擬，這樣，共計得到５００逡逑次隨機模擬結果．此外，在每次模擬中，我們隨機選�。祩�節(jié)點作為初始染病節(jié)點？逡逑在數(shù)值模擬中，我們設＃rP劍rP擔rP

本文編號：2727694