基于连边记忆性活跃驱动网络的易感-感染-恢复传播动力学

摘要

建立了一个具有连边记忆性的活跃驱动网络,其中节点在产生连边时会以一定的概率(记忆连接偏好)连向之前多个时间步内(记忆窗口)的邻居节点.进一步研究了模型的易感-感染-恢复(susceptibleinfected-recovery, SIR)传播动力学过程,然后基于淬火平均场方法推导出了流行病的暴发阈值.仿真发现,记忆性会降低网络的最大度而增加最大边权重,这常见于真实的移动电话网络数据集中.另外,对于传播动力学,流行阈值(最终暴发规模)会随着连接偏好和记忆窗口的增加而增大(减小).

关键词

活跃驱动网络 / 连边记忆性 / 流行病传播 / 暴发阈值