基于改进的元胞自动机的网络舆情传播模型

本文针对网络舆情传播,结合元胞自动机理论,提出了一种三维元胞自动机模型。该模型能够更加准确地模拟网络舆情的传播动态,有效地解决舆情传播过程中遇到的问题。实验结果表明新的模型和算法简便、高效,基于三维元胞自动机建立的传播模型清晰的表达了网络舆情传播的过程。     

基于二维元胞自动机的网络模型*

针对一维元胞自动机网络模型的转发过程随机化,二维模型缺乏拥塞特性分析的缺陷,提出了一种基于二维元胞自动机的网络模型。根据TCP/IP拥塞控制协议设计了元胞更新规则,并设置不同的元胞队列长度以增强网络的异构性。利用该模型仿真得到了拥塞相态下的节点负载、节点处理延时具有白噪声特性和1/f噪声特性。通过该模型观测到局部网络与整个网络负载特性的关系,表明该二维元胞自动机网络模型具有可扩展性,适用于大规模网络的行为建模研究。     

复杂网络上病毒传播的元胞自动机模拟

针对病毒在复杂网络拓扑结构中传播行为的多样性特点,运用元胞自动机模拟病毒传播过程,并采用“易染-感染-免疫”模型和“易染-感染-易染”模型构造元胞自动机模拟方法。实验结果表明,该自动机模型能较好地模拟复杂网络中病毒的传播过程。     

复杂网络上病毒传播的元胞自动机模拟

针对病毒在复杂网络拓扑结构中传播行为的多样性特点,运用元胞自动机模拟病毒传播过程,并采用"易染-感染-免疫"模型和"易染-感染-易染"模型构造元胞自动机模拟方法.实验结果表明,该自动机模型能较好地模拟复杂网络中病毒的传播过程.     

基于元胞自动机的网络蠕虫病毒传播仿真

针对模拟网络蠕虫病毒的传播,提出基于元胞自动机模型的网络蠕虫病毒传播的方法。将病毒的传播过程分为2个阶段,并分别对不同的阶段建模。经过仿真,可以获得不同状态的计算机系统的数量、蠕虫病毒的数量和病毒传播趋势等信息。结果表明,用元胞自动机模型仿真蠕虫病毒传播能够更清晰地反映出网络蠕虫病毒传播的趋势,与实际的蠕虫病毒传播符合较好。     

基于自治计算的流行病传播网络建模与推断

现有的传播网络结构推断方法大都面向信息传播过程,所能处理的数据与可获得的流行病监控数据形式和特性均不相同,不适合处理具有粗粒度、时空多尺度和数据缺失等特性的流行病监控数据.针对该问题,提出了基于自治计算的流行病传播网络建模方法和网络结构推断方法.该方法采用多自治体建模传播网络结构和流行病传播过程,采用蒙特卡罗模拟结合群智能优化的反馈过程调节系统参数,以缩小模拟系统涌现行为与真实监控数据间差异为目标,改变自治体的行为,促使模拟系统向真实系统逐步演化,以此方式推断出传播网络结构及与流行病相关的主要生物学参数.采用2009年H1N1猪流感在香港爆发的真实监控数据分析验证了所提出的模型与方法的有效性和适用情况,并以香港地区流行病风险评估为例介绍了流行病传播网络推断的一种应用模式.     

采用元胞自动机的网络舆情传播模型研究

采用元胞自动机(CA)理论研究因特网舆情传播,设计了一个舆情传播元胞自动机模型结构,包括元胞状态取值、元胞空间和邻域。针对互联网元胞状态转换提出了考虑元胞坚定性的多数规则计算公式和元胞移动遍历算法。在讨论仿真结果时定义了倾向强度、倾向聚集度、元胞峰值和元胞倾向众值等四个参数,分别对不同坚定性和固定/移动元胞状态计算的迭代结果讨论其不同的演变过程、形态和意义,提出特别需要关注具有坚定性特点的元胞移动遍历的舆情传播过程,它们更加接近因特网网络舆情的真实传播过程。仿真结果说明了该方法和模型的有效性和合理性。     

基于元胞自动机的人员疏散模型设计与实验

元胞自动机作为一种动态模型与通用性建模的方法,其应用几乎涉及社会和自然科学的各个领域,在当前物联网技术、宽带通信技术时代得到了更加广泛的应用。利用元胞自动机原理建立人员疏散的数学模型,模型采用二维元胞自动机技术,确定元胞空间和元胞状态,根据实际情况建立人员移动行为规则并讨论元胞重复行进次数和危险物质扩散对人员行为的影响。实验结果表明,该模型具有一定的真实性和合理性。     

元胞自动机地铁人员疏散模型仿真

基于元胞自动机模型对地铁人员疏散进行研究,通过对地铁的疏散个体微观建模,构建出元胞的移动规则,从而确定元胞下一时间步长的移动路径。针对地铁紧急情况下的疏散情形,提出了两种基于元胞自动机的疏散规则:概率计算方法和元胞空间场吸引法。利用VC++开发环境与OpenGL图形库对地铁的人员疏散情况进行仿真,描述不同疏散规则下的地铁疏散整个动态过程,并分别模拟得出不同的疏散效率,从而为指导地铁紧急情况下人员疏散提供理论依据。     

区域耦合状态转移概率化元胞自动机模型

针对多区域系统内部各个子区域属性的差异化,提出多区域耦合状态转移概率化元胞自动机模型。在该模型中,运用区域耦合原理和耦合区域信息交换规则来构造元胞自动机（CA）模型的演化规则,实现局部子区域之间的信息交换,运用不同类型的元胞自动机模型对子区域分别建立不同的CA模拟模型,并用概率化方法处理模拟模型中元胞状态的转化,实现各个子区域状态的演化。实验表明,子区域在保持自身演化形态相对独立的同时,通过边界区域耦合进行演化连接,各个子区域内的元胞能与其边界耦合区域内的元胞保持一种相对稳定的有序形态,且一个子区域的影响能在一定程度上传递到其他子区域内。该模型能很好地处理大规模复杂区域环境下的空间演化模拟。     

基于人际关系的传染病传播仿真模型研究

通过建立一种基于人际关系的传染病传播仿真模型对传染病传播过程以及预测在相关防控措施下疫情发展的趋势进行研究。基于人际关系描述个体间的接触与交互,以个体为单位建立仿真模型,根据中国卫健委平台收集武汉地区COVID-19疫情的初期数据调整模型参数,估算基本再生数（R0）验证模型,并模拟不同疫情防控手段的场景,探讨不同干预措施下疫情传播的趋势。建立的基于人际关系的传染病传播模型首先模拟了武汉疫情初期的传播过程,估算武汉封城前COVID-19的R0;然后对扬州疫情发展趋势进行了初步预测,发现疫情已进入可控阶段。通过探讨在人口密集接触场所（以学校为例）中不同的干预措施对疫情发展的影响,针对学生秋季开学提出相关防控意见,讨论了个体在社交接触网络中的社交移动距离对疫情传播的影响。     

基于元胞自动机的传染病传播模型研究

从复杂适应系统的观点,通过建立元胞自动机模型的方法模拟疾病传播这个复杂的过程.并对SARS地传播过程成功地进行了模拟。同时以此为基础针对可能对传染病产生影响的几种因素作了具体地考察,如人员的移动、及时就医等,考察这些因素对控制传染病达到稳定的具体影响,并给出一些控制这类问题的建议。     

Efficient solution of a stochastic SI epidemic system

One of the side-effects of the climate changes that are upon us is that infectious diseases are adapting, evolving and spreading to new geographic regions. It is, therefore, imperious to develop epidemic models that shed light on the interplay between the dynamics of the spread of infectious diseases and the combined effects of various vaccination and prevention regimens. With this in mind, in this work we propose a epidemic model operating on a large population; we restrict our attention to strains of infectious diseases that resist treatment. The time-dependent epidemic accounts, among others, for the effects of improved sanitation, education and vaccination. Our first main contribution is to derive the time-dependent probability mass function of the number of infected individuals in such a system. Our derivation does not use probability generating functions and partial differential equations. Instead, we develop an iterative solution that is conceptually simple and easy to implement. Somewhat surprisingly, the epidemic model also provides insight into various stochastic phenomena noticed in sociology, macroeconomics, marketing, transportation and computer science. Our second main contribution is to show, by extensive simulations, that suitably instantiated, our epidemic model be used to model phenomena describing the adoption of durable consumer goods, the spread of AIDS and the dissemination of mobile worm spread.     

P2P网络文件分发过程及影响传播因素研究

在P2P网络中,流行文件的下载行为类似于流行病的传播过程,因此可以通过传染病动力学来描述P2P文件共享系统中文件的分发过程。利用传染病动力学模型,建立了一种P2P文件分发模型,并推导了确定文件传播能力的基本再生数计算公式。实验证明,得到的基本再生数公式能够很好地描述文件分发过程的行为和反映不同参数对文件传播带来的不同影响。     

传染病在多层星型耦合网络上的资源控制

针对已有传染病传播模型没有考虑到具体的特殊网络结构与资源因素对控制疫情爆发的影响与作用机制,结合双层星型耦合网络与传染病SIS模型,建立了一个离散动态传播模型。该模型利用星型网络的结构特性与平均度概念推导各层感染人口比例关于资源及各种参数的离散方程。理论分析和仿真实验结果表明,多层星型耦合传染病传播网络中存在资源阈值,当节点为叶子节点时,网络存在两个资源阈值,增加资源量投入以抑制传染病传播只在两个资源阈值间有效,此时传染病感染人口比例随着投入资源的增加而减少;当节点为中心节点时,网络中的资源阈值随其他层感染人口比例的增大由两个减少至一个。此外,层间中心节点耦合强度、层间叶子节点耦合强度对疫情的控制效果随着节点所处位置的不同而不同。     

无标度网络中考虑个体重视的传染病传播研究

分析传染病传播动力学行为是复杂网络研究的基本问题之一,现有的传染病传播模型研究没有充分考虑到传染病传播过程中人为因素的影响,即易染个体在传染病传播过程中的行为反应。针对以上问题提出了一种改进的无标度网络中具有个体重视的SIR传染病传播模型。利用平均场理论方法,分析了所提模型的动力学行为。研究了在无标度网络中具有个体重视的易染个体的比例和个体重视度对传染病传播的影响。理论分析和数值模拟结果表明,增大具有个体重视的易染个体的比例和增加易染个体的重视度,可以有效地改善传染病的传播阈值、传播的速度和爆发的规模。     

基于空间实体的传染病蔓延模拟建模研究

提出了一种基于空间实体的传染病元胞自动机模型,基于该模型,在GIS环境中建立了传染病蔓延的可视化模拟程序,并通过模拟算例分别给出了局部传染和全局传染两种典型传播行为的模拟结果。对模拟结果的分析表明,采用符合传染病流行特征的空间相关性模式能够得到更合理的模拟结果。通过结合GIS的空间数据可视化和分析功能,建议的元胞自动机模型能可视化展示传染病蔓延过程,察明影响传染病传播过程的关键参数,评估特定干预措施（如改善卫生条件、隔离感染者、接种疫苗等）的效果,获取疾病的空间分布信息和统计信息,为传染病的防治决策提供科学的依据。     

基于小世界网络的甲型流感传播的研究

借助小世界网络模型和扩展的SIS传染病传播模型,建立了复杂网络的传染病传播模型,并利用此模型模拟甲型H1N1型流感病毒的传播过程,通过调节模型的不同的参数,找到影响病毒传播速度的关键因素,为研究甲型H1N1型流感病毒的传播特性和对病毒的防疫提供参考。     

适应网络病毒传播的SIS离散模型

为有效地模拟病毒在适应网络中的传播,分析了当前适应网络病毒传播研究的现状,结合适应网络中存在的节点动力学和网络动力学相互作用、相互反馈的机制,提出了一种基于计算机仿真技术的适应网络病毒传播的SIS(susceptibleinfected-susceptible)离散模型.通过对所建模型进行仿真和分析,实验结果表明,病毒在适应网络中传播具有双稳态性;由于节点规避病毒传播而改变网络连接的行为,使得网络的度分布发生变化,该行为对病毒在网络中的传播具有抑制作用.     

Inferring Contagion Patterns in Social Contact Networks with Limited Infection Data

The spread of infectious disease is an inherently stochastic process. As such, real time control and prediction methods present a significant challenge. For diseases which spread through direct human interaction, (e.g., transferred from infected to susceptible individuals) the contagion process can be modeled on a social-contact network where individuals are represented as nodes, and contacts between individuals are represented as links. The model presented in this paper seeks to identify the infection pattern which depicts the current state of an ongoing outbreak. This is accomplished by inferring the most likely paths of infection through a contact network under the assumption of partially available infection data. The problem is formulated as a bi-linear integer program, and heuristic solution methods are developed based on sub-problems which can be solved much more efficiently. The heuristic performance is presented for a range of randomly generated networks and different levels of information. The model results, which include the most likely set of infection spreading contacts, can be used to provide insight into future epidemic outbreak patterns, and aid in the development of intervention strategies.