一种小世界网络上L_SIRS类疾病传播模型
小世界网络
4.2 小世界网络 4.2.1 小世界网络简介 1998年, Watts和Strogatz 提出了小世界网络这一概念，并建立了WS模型。实证结果表明，大多数的真实网络都具有小世界特性（较小的最短路径）和聚类特性（较大的聚类系数）。传统的规则最近邻耦合网络具有高聚类的特性，但并不具有小世界特性；而随机网络具有小世界特性但却没有高聚类特性。因此这两种传统的网络模型都不能很好的来表示实际的真实网络。Watts和Strogatz建立的小世界网络模型就介于这两种网络之间，同时具有小世界特性和聚类特性，可以很好的来表示真实网络。 4.2.2 小世界模型构造算法 1、从规则图开始：考虑一个含有N个点的最近邻耦合网络，它们围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数。 2、随机化重连：以概率p随机地从新连接网络中的每个边，即将边的一个端点保持不变，而另一个端点取为网络中随机选择的一个节点。其中规定，任意两个不同的节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。 在上述模型中，p=0对应于完全规则网络，p=1则对应于完全随机网络，通过调节p 的值就可以控制从完全规则网络到完全随机网络的过渡。 相应程序代码（使用Matlab实现） ws_net.m （位于“代码”文件夹内） function ws_net() disp('小世界网络模型') N=input('请输入网络节点数'); K=input('请输入与节点左右相邻的K/2的节点数'); p=input('请输入随机重连的概率'); angle=0:2*pi/N:2*pi-2*pi/N; x=100*cos(angle); y=100*sin(angle); plot(x,y,'r.','Markersize',30); hold on; %生成最近邻耦合网络； A=zeros(N); disp(A); for i=1:N if i+K<=N for j=i+1:i+K A(i,j)=1; end else for j=i+1:N A(i,j)=1; end for j=1:((i+K)-N) A(i,j)=1; end
数学建模之传染病模型
第五章 微 分 方 程 模 型 如果实际对象的某特性是随时间（或空间）变化的，那么分析它的变化规律，预测它的未来性态时，通常要建立此实际对象的动态模型，这就是微分方程模型. §1 传 染 病 模 型 建立传染病的数学模型来描述传染病的传播过程，分析受感染人数的变化规律，预报传染病高潮的到来等，一直是各国有关专家和官员关注的课题. 考虑某地区的传染病的传染情况，设该地区人口总数为N ，既不考虑生死，也不考虑迁移，时间以天为计量单位. 一. SI 模 型 假设条件： 1. 人群分为易感染者(Susceptible )和已感染者(Infective )两类人，简称为健康人 和病人，在时刻t 这两类人在总人数中所占比例分别记作()t s 和()t i . 2. 每个病人每天有效接触的平均人数是λ(常数)，λ称为日接触率，当病人与健康 人有效接触时，使健康者受感染变为病人. 试建立描述()t i 变化的数学模型. 解： ()()1=+t i t s ()()N N t i N t s =+∴ 由假设2知，每个病人每天可使()t s λ个健康者变为病人，又由于病人数为 ()t i N ，∴每天共有()()t i N t s λ个健康人被感染. 于是i s N λ就是病人数i N 的增加率，即有 i s N dt di N λ= (1)
i s dt di λ=∴ 而1=+i s . 又记初始时刻(0=t )病人的比例为0i ，则 ()()?????=-=0 01i i i i dt di λ 这就是Logistic 模型，其解为 ()t e i t i λ-??? ? ??-+= 11110 ［结果分析］ 作出()t t i ~和i dt di ~的图形如下： 1. 当2 1=i 时，dt di 取到最大值m dt di ?? ? ??，此时刻为 ??? ? ??-=-11ln 01i t m λ 2. 当∞→t 时，1→i 即所有人终将被传染，全变为病人（这是不实际的）. 二. SIS 模 型 在前面假设1、2之下，再考虑病人可以医治，并且有些传染病如伤风、痢疾等愈后免疫力很低，可以假定无免疫性，于是病人被治愈后变成健康者，健康者还可以被感染再变成病人，此模型称SIS 模型.
数学建模传染病模型剖析
传染病的传播 摘要：本文先根据材料提供的数据建立了指数模型，并且全面地评价了该模型的合理性与实用性。而后对模型与数据做了较为扼要地分析了指数模型的不妥之处。并在对问题进行较为全面评价的基础上引入更为全面合理的假设和建立系统分析模型。运用联立微分方程组体现疫情发展过程中各类人的内在因果联系，并在此基础上建立方程求解算法结合
MATLAB 编程(程序在附件二)拟合出与实际较为符合的曲线并进行了疫情预测。同时运用双线性函数模型对卫生部的措施进行了评价并给出建议以及指出建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型，这样做的困难本文的最后，通过本次建模过程中的切身体会，说明建立如SARS 预测模型之类的传染病预测模型的重要意义。 关键词：微分方程 SARS 数学模型 感染率 1问题的重述 SARS （Severe Acute Respiratory Syndrome ，严重急性呼吸道综合症, 俗称：非典型肺炎）是21世纪第一个在世界范围内传播的传染病。SARS 的爆发和蔓延给我国的经济发展和人民生活带来了很大影响，我们从中得到了许多重要的经验和教训，认识到定量地研究传染病的传播规律、为预测和控制传染病蔓延创造条件的重要性。请你们对SARS 的传播建立数学模型，具体要求如下： 1)建立传染病传播的指数模型，评价其合理性和实用性。 2)建立你们自己的模型，说明为什么优于指数模型；特别要说明怎样才能建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型，这样做的困难在哪里？对于卫生部门所采取的措施做出评论，如：提前或延后5天采取严格的隔离措施，对疫情传播所造成的影响做出估计。附件1提供的数据供参考。 3)说明建立传染病数学模型的重要性。 2 定义与符号说明 N …………………………………表示为SARS 病人的总数； K （感染率）……………………表示为平均每天每人的传染他人的人数； L …………………………………表示为每个病人可能传染他人的天数； dt d N(t)………………………… 表示为每天（单位时间）发病人数； N(t)-N(t-L)………………………表示可传染他人的病人的总数减去失去传染能力的病人数； t …………………………………表示时间； R 2 ………………………………表示拟合的均方差； 3 建立传染病传播的指数模型 3.1模型假设 1) 该疫情有很强的传播性，病人（带菌者）通过接触（空气，食物，……）将病菌传播给健康者。单位时间（一天）内一个病人能传播的人数是常数k ； 2) 在 所传染的人当中不考虑已治愈的人是否被再次被传播，治愈的人数占该地区的总人数是绝对的少数，治愈者不会再被传播并不影响疫情在该时间内的感染率常数k; 3) 病者在潜伏期传播可能性很小， 仍按健康人处理； 4) SARS 对不同的年龄组的感染率略有不同（相差不大），但我们只考虑它健康人的感染率是一样的；
WS小世界网络模型的程序代码(matlab)
程序仿真实例 例一、请输入最近邻耦合网络中节点的总数N:30 请输入最近邻耦合网络中每个节点的邻居数K:4 请输入随机化重连的概率p:0.9 例二、请输入最近邻耦合网络中节点的总数N:40 请输入最近邻耦合网络中每个节点的邻居数K:2 请输入随机化重连的概率p:0.7
Matlab的m文件代码如下： N=input('请输入最近邻耦合网络中节点的总数N:'); K=input('请输入最近邻耦合网络中每个节点的邻居数K:'); if K>floor(N-1)|mod(K,2)~=0; disp('参数输入错误：K值必须是小于网络节点总数且为偶数的整数'); return ; end angle=0:2*pi./N:2*pi-2*pi/N; angle=0:2*pi/N:2*pi-2*pi/N; x=100*sin(angle); y=100*cos(angle); plot(x,y,'ro','MarkerEdgeColor','g','MarkerFaceColor','r','MarkerSize',8); hold on; A=zeros(N); for i=1:N for j=i+1:i+K/2 jj=j; if j>N jj=mod(j,N); end A(i,jj)=1; A(jj,i)=1; end end %WS小世界网络的代码 p=input('请输入随机化重连的概率p:'); for i=1:N for j=i+1:i+K/2
jj=j; if j>N jj=mod(j,N); end p1=rand(1,1); if p1
复杂网络的基础知识
第二章复杂网络的基础知识 2.1 网络的概念 所谓“网络”（networks），实际上就是节点（node）和连边（edge）的集合。如果节点对（i，j）与（j，i）对应为同一条边，那么该网络为无向网络（undirected networks），否则为有向网络（directed networks）。如果给每条边都赋予相应的权值，那么该网络就为加权网络（weighted networks），否则为无权网络（unweighted networks），如图2-1所示。 图2-1 网络类型示例 (a) 无权无向网络(b) 加权网络(c) 无权有向网络 如果节点按照确定的规则连边，所得到的网络就称为“规则网络”（regular networks），如图2-2所示。如果节点按照完全随机的方式连边，所得到的网络就称为“随机网络”（random networks）。如果节点按照某种（自）组织原则的方式连边，将演化成各种不同的网络，称为“复杂网络”（complex networks）。 图2-2 规则网络示例 (a) 一维有限规则网络(b) 二维无限规则网络
2.2 复杂网络的基本特征量 描述复杂网络的基本特征量主要有：平均路径长度（average path length ）、簇系数（clustering efficient ）、度分布（degree distribution ）、介数（betweenness ）等，下面介绍它们的定义。 2.2.1 平均路径长度（average path length ） 定义网络中任何两个节点i 和j 之间的距离l ij 为从其中一个节点出发到达另一个节点所要经过的连边的最少数目。定义网络的直径（diameter ）为网络中任意两个节点之间距离的最大值。即 }{max ,ij j i l D = （2-1） 定义网络的平均路径长度L 为网络中所有节点对之间距离的平均值。即 ∑∑-=+=-=111)1(2N i N i j ij l N N L （2-2） 其中N 为网络节点数，不考虑节点自身的距离。网络的平均路径长度L 又称为特征路径长度（characteristic path length ）。 网络的平均路径长度L 和直径D 主要用来衡量网络的传输效率。 2.2.2 簇系数（clustering efficient ） 假设网络中的一个节点i 有k i 条边将它与其它节点相连，这k i 个节点称为节点i 的邻居节点，在这k i 个邻居节点之间最多可能有k i (k i -1)/2条边。节点i 的k i 个邻居节点之间实际存在的边数N i 和最多可能有的边数k i (k i -1)/2之比就定义为节点i 的簇系数，记为C i 。即 ) 1(2-=i i i i k k N C (2-3) 整个网络的聚类系数定义为网络中所有节点i 的聚类系数C i 的平均值，记
数学建模 传染病模型
传染病模型 医学科学的发展已经能够有效地预防和控制许多传染病，但是仍然有一些传染病暴发或流行，危害人们的健康和生命。 社会、经济、文化、风俗习惯等因素都会影响传染病的传播，而最直接的因素是：传染者的数量及其在人群中的分布、被传染者的数量、传播形式、传播能力、免疫能力等。 一般把传染病流行范围内的人群分成三类：S类，易感者(Susceptible)，指未得病者，但缺乏免疫能力，与感染者接触后容易受到感染；I类，感病者(Infective)，指染上传染病的人，它可以传播给S类成员；R类，移出者(Removal)，指被隔离或因病愈而具有免疫力的人。 问题提出 请建立传染病模型，并分析被传染的人数与哪些因素有关？如何预报传染病高潮的到来?为什么同一地区一种传染病每次流行时，被传染的人数大致不变？ 关键字:传染病模型、建模、流行病 摘要：随着卫生设施的改善、医疗水平的提高以及人类文明的不断发展，诸如霍 乱、天花等曾经肆虐全球的传染性疾病已经得到有效的控制。但是一些新的、不断变异着的传染病毒却悄悄向人类袭来。20世纪80年代十分险恶的爱滋病毒开始肆虐全球，至今带来极大的危害。还有最近的SARS病毒和禽流感病毒，都对人类的生产生活造成了重大的损失。长期以来，建立制止传染病蔓延的手段等，一直是各国有关专家和官员关注的课题。 不同类型传染病的传播过程有其各自不同的特点，弄清这些特点需要相当多的病理知识，这里不可能从医学的角度一一分析各种传染病的传播，而只是按照一般的传播模型机理建立几种模型。 模型1 在这个最简单的模型中，设时刻t的病人人数x(t)是连续、可微函数， 方程（1）的解为 结果表明，随着t的增加，病人人数x(t)无限增长，这显然是不符合实际的。 建模失败的原因在于：在病人有效接触的人群中，有健康人也有病人，而其中只有健康人才可以被传染为病人，所以在改进的模型中必须区别健康人和病人这两种人。 模型2 SI模型 假设条件为 1.在疾病传播期内所考察地区的总人数N不变，即不考虑生死，也不考虑迁移。人群分为易感染者即健康人（Susceptible）（S）和已感染者即病人（Infective）（i）两类（取两个词的第一个字母，称之为SI模型），以下简称健康者和病人。时刻t这两类人在总人数中所占比例分别记作s(t)和i(t)。 2.每个病人每天有效接触的平均人数是常数 ，称为日接触率。当病人与健康者接触时，使健康者受感染变为病人。
数学建模论文资料传染病模型)
传染病模型 摘要 “传染病的传播过程”数学模型是通过控制已感染人群来实现的。利用隔离等手段来保护未被感染的人群，减少其对健康人群的危害。由于传染病具有研究新型病例有着重要的意义，利用数学知识联系实际问题，作出相应的解答和处理。问题一：描述传染病的传播过程，将分析受感染人数的变化规律，预报传染病高潮到来的时刻，在传染病过程中，建立传染病影响健康人的数学模型。问题二，在区分健康人群和已经感染人群的情况下，要建立适合总人数不变，区分已经感染的人群和的数学模型，必须在问题一的条件下作出合理假设，同时得出该模型，最后结合已知数据可算出每个已感染人群每天接触健康人群的函数和数学模型。问题三，传染病无免疫性——病人治愈成为健康人，健康人可再次被感染，问题三加入健康人可以再次感染，一个感染期内每个病人的有效接触人数，称为接触数。 一种疾病的传播过程是一种非常复杂的过程，它受很多社会因素的制约和影响，如传染病人的多少，易受传染者的多少，传染率的大小，排除率的大小，人口的出生和死亡，还有人员的迁入和迁出，潜伏期的长短，预防疾病的宣传以及人的个体差异等。如何建立一个与实际比较吻合的数学模型，开始显然不能将所有因素都考虑进去。为此，必须从诸多因素中，抓住主要因素，去掉次要因素。先把问题简化，建立相应的数学模型。将所得结果与实际比较，找出问题，修改原有假设，再建立一个与实际比较吻合的模型。从而使模型逐步完善。下面是一个由简单到复杂的建模过程，很有代表性，读者应从中体会这一建模过程的方法和思路。
一．问题的提出 描述传染病的传播过程，将分析受感染人数的变化规律，预报传染病高潮到来的时刻，在传染病过程中，建立传染病影响健康人的数学模型。问题二，在区分健康人群和已经感染人群的情况下，要建立适合总人数不变，区分已经感染的人群和的数学模型，必须在问题一的条件下作出合理假设，同时得出该模型，最后结合已知数据可算出每个已感染人群每天接触健康人群的函数和数学模型。问题三，传染病无免疫性——病人治愈成为健康人，健康人可再次被感染，问题三加入健康人可以再次感染，一个感染期内每个病人的有效接触人数，称为接触数。 二．问题的分析 2.1 问题分析 描述传染病的传播过程，将分析受感染人数的变化规律，预报传染病高潮到来的时刻，在传染病过程中，建立传染病影响健康人的数学模型。 2.2模型分工
复杂网络基础2(M.Chang)
复杂网络基础理论 第二章网络拓扑结构与静态特征
第二章网络拓扑结构与静态特征 l2.1 引言 l2.2 网络的基本静态几何特征 l2.3 无向网络的静态特征 l2.4 有向网络的静态特征 l2.5 加权网络的静态特征 l2.6 网络的其他静态特征 l2.7 复杂网络分析软件 2
2.1 引言 与图论的研究有所不同，复杂网络的研究更侧重 于从各种实际网络的现象之上抽象出一般的网络几何 量，并用这些一般性质指导更多实际网络的研究，进 而通过讨论实际网络上的具体现象发展网络模型的一 般方法，最后讨论网络本身的形成机制。 统计物理学在模型研究、演化机制与结构稳定性 方面的丰富的研究经验是统计物理学在复杂网络研究 领域得到广泛应用的原因；而图论与社会网络分析提 供的网络静态几何量及其分析方法是复杂网络研究的 基础。 3
2.1 引言 静态特征指给定网络的微观量的统计分布或宏观 统计平均值。 在本章中我们将对网络的各种静态特征做一小结 。由于有向网络与加权网络有其特有的特征量，我们 将分开讨论无向、有向与加权网络。 4 返回目录
2.2 网络的基本静态几何特征 ￠2.2.1 平均距离 ￠2.2.2 集聚系数 ￠2.2.3 度分布 ￠2.2.4 实际网络的统计特征 5
2.2.1 平均距离 1.网络的直径与平均距离 网络中的两节点v i和v j之间经历边数最少的一条简 单路径（经历的边各不相同），称为测地线。 测地线的边数d ij称为两节点v i和v j之间的距离（或 叫测地线距离）。 1／d ij称为节点v i和v j之间的效率，记为εij。通常 效率用来度量节点间的信息传递速度。当v i和v j之间没 有路径连通时，d ij＝∞，而εij＝0，所以效率更适合度 量非全通网络。 网络的直径D定义为所有距离d ij中的最大值 6
课题：WS小世界网络模型构造
课题：WS小世界网络模型构造 姓名赵训 学号 2 班级计算机实验班
一、WS 小世界网络简介 1998年, Watts和Strogatz 提出了小世界网络这一概念,并建立了WS模型。实证结果表明,大多数的真实网络都具有小世界特性(较小的最短路径) 和聚类特性(较大的聚类系数) 。传统的规则最近邻耦合网络具有高聚类的特性,但并不具有小世界特性;而ER 随机网络具有小世界特性但却没有高聚类特性。因此这两种传统的网络模型都不能很好的来表示实际的真实网络。 Watts 和Strogatz建立的WS小世界网络模型就介于这两种网络之间,同时具有小世界特性和聚类特性,可以很好的来表示真实网络。 二、WS小世界模型构造算法 1、从规则图开始：考虑一个含有N个点的最近邻耦合网络，它们围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数。 2、随机化重连：以概率p随机地从新连接网络中的每个边，即将边的一个端点保持不变，而另一个端点取为网络中随机选择的一个节点。其中规定，任意两个不同的节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。 在上述模型中，p=0对应于完全规则网络，p=1则对应于完全随机网络，通过调节p的值就可以控制从完全规则网络到完全随机网络的过渡，如图a所示。 图a 相应程序代码（使用Matlab实现） ws_net.m （位于“代码”文件夹内） function ws_net() disp('WS小世界网络模型') N=input('请输入网络节点数'); K=input('请输入与节点左右相邻的K/2的节点数'); p=input('请输入随机重连的概率'); angle=0:2*pi/N:2*pi-2*pi/N; x=100*cos(angle); y=100*sin(angle); plot(x,y,'r.','Markersize',30); hold on; %生成最近邻耦合网络； A=zeros(N);
小世界网络的研究现状与展望
小世界网络的研究现状与展望 !"#$%#&#’()#&#*%+",-(.*(-/’*’01/%#+*&(/2("#,3*445/%406#(7/%8 黄萍张许杰刘刚 （华东理工大学商学院管理科学与工程系上海%$$$&’） 摘要近年来，真实网络中小世界效应和无标度特性的发现激起了学术界对复杂网络的研究热潮，基于小世界网络的知识管理研究也得到了一定发展。在对小世界网络的研究背景、基础概念以及各个领域的研究进行简单综述的基础上，提出了其今后可能的发展趋势。 关键词复杂网络小世界网络流言传播无标度网络 现实世界中许许多多的复杂网络都是具有小世界或无尺度特征的复杂网络：从生物体中的大脑结构到各种新陈代谢网络，从()*+,)+*到---，从大型电力网络到全球交通网络，从科研合作网络到各种政治、经济、社会关系网络等等，数不胜数。各种网络的研究目前在世界上受到了高度的重视，形成了日益高涨的热潮，已成为一个极其重要而且富有挑战性的前沿科研方向。 !小世界网络研究背景及其基本概念 !.!复杂网络拓扑结构人们把网络不依赖于节点的具体位置和边的具体形态就能表现出来的性质叫做网络的拓扑性质，相应的结构叫做网络的拓扑结构［%］。网络拓扑结构经过以下&个发展阶段：在最初的!$$多年里，科学家们认为真实系统各因素之间的关系可以用一些规则的结构表示。到了!"世纪/$年代末，数学家们想出了一种新的构造网络的方法，即两个节点之间连边与否不再是根据一个概率决定的［!］，这样生成的网络叫做随机网络（01)234），在接下来的5$年里它一直被认为是描述真实系统最好的网络。直到最近几年，科学家们发现大量的真实网络既不是规则网络，也不是随机网络，而是具有与前两者皆不同的统计特征的网络。这样的一些网络被科学家们叫做复杂网络，对于复杂网络的研究标志着第三阶段的到来［5%］。 复杂网络拓扑结构的不确定性是复杂网络研究的基本问题。%$世纪中叶，6,237和0+)89突破传统图论，用随机图描绘了复杂网络拓扑。近年来研究发现，很多实际的复杂网络既不完全规则也不完全随机，而是介于完全规则和完全随机这两个极端之间，既具有类似规则网络的较大集聚系数，又具有类似于随机网络的较小平均路径长度，这就是小世界网络。人际关系网络中的“六度分离”就是小世界网络的经典例子。 大多数早期文献中都有关于六度分离的描述，!":’年，哈佛大学社会心理学家斯坦利?米尔格拉姆（;*1)<+8=9<> ?,14）作了这样的一个实验，他要求&$$多人发信把他的一封信寄到某市一个“目标”人。于是形成了发信人的链条，链上 的每个成员都力图把这封信寄给他们的朋友、家庭成员、商业同事或偶然认识的人，以便尽快到达目标人。实验结果是，一共:$个链条最终到达目标人，链条中平均步骤大约为:。人们把这个结果说成“六度分离”并广为传播［&!!!］。 应该注意到三种概念在当代对复杂网络的思考中占有重要地位。1.小世界的概念。它以简单的措辞描述了大多数网络尽管规模很大但是任意两个节点间却有一条相当短的路径的事实。@.集群即集聚度（A 第二节传染病传播的数学模型很多医学工作者试图从医学的不同角度来解释传染病传播时的一种现象，这种现象就是在某一民族或地区，某种传染病传播时，每次所涉及的人数大体上是一常数。结果都不能令人满意，后来由于数学工作者的参与，用建立数学模型来对这一现象进行模拟和论证，得到了较满意的解答。 一种疾病的传播过程是一种非常复杂的过程，它受很多社会因素的制约和影响，如传染病人的多少，易受传染者的多少，传染率的大小，排除率的大小，人口的出生和死亡，还有人员的迁入和迁出，潜伏期的长短，预防疾病的宣传以及人的个体差异等。如何建立一个与实际比较吻合的数学模型，开始显然不能将所有因素都考虑进去。为此，必须从诸多因素中，抓住主要因素，去掉次要因素。先把问题简化，建立相应的数学模型。将所得结果与实际比较，找出问题，修改原有假设，再建立一个与实际比较吻合的模型。从而使模型逐步完善。下面是一个由简单到复杂的建模过程，很有代表性，读者应从中体会这一建模过程的方法和思路。 一.最简单的模型 假设：(1) 每个病人在单位时间内传染的人数是常数k；(2) 一个人得病后经久不愈，并在传染期内不会死亡。 以i(t)表示t时刻的病人数， k表示每个病人单位时间内传染的人 数，i(0)= i表示最初时有0i个传染病人，则在t?时间内增加的病人 数为 ()()() i t t i t k i t t +?-=? 两边除以t ?，并令t ?→0得微分方程 ()()()000di t k i t dt i i ?=???=? ………… （2.1） 其解为 ()00 k t i t i e = 这表明传染病的转播是按指数函数增加的。这结果与传染病传播初期比较吻合，传染病传播初期，传播很快，被传染人数按指数函数增长。但由(2.1)的解可知，当t →∞时，i(t)→∞，这显然不符合实际情况。最多所有的人都传染上就是了。那么问题在那里呢？问题是就出在于两条假设对时间较长时不合理。特别是假设(1)，每个病人单位时间内传染的人数是常数与实际情况不符。因为随着时间的推移，病人越来越多，而未被传染的人数却越来越少，因而不同时期的传播情况是不同的。为了与实际情况较吻合，我们在原有的基础上修改假设建立新的模型。 二. 模型的修改 将人群分成两类：一类为传染病人，另一类为未被传染的人，分别用i(t)和s(t)表示t 时刻这两类人的人数。i (0)= 0i 。 假设：(1) 每个病人单位时间内传染的人数与这时未被传染的人数成正比。即()0k ks t =； (2) 一人得病后，经久不愈，并在传染期内不会死亡。 由以上假设可得微分方程 关于小世界网络的文献综述 一、小世界网络概念方面的研究 Watts和Strogatz开创性的提出了小世界网络并给出了WS小世界网络模型。小世界网络的主要特征就是具有比较小的平均路径长度和比较大的聚类系数。所谓网络的平均路径长度，是指网络中两个节点之间最短路径的平均值。聚类系数被用来描述网络的局部特征，它表示网络中两个节点通过各自相邻节点连接在一起的可能性，以及衡量网络中是否存在相对稳定的子系统。规则网络具有大的特征路径长度和高聚类系数，随机网络则有短的特征路径长度和比较小的聚类系数[1]。 Guare于1967年在《今日心理学》杂志上提出了“六度分离”(Six Degrees of Separation) 理论，即“小世界现象”。该理论认为，在社交网络中存在短路径，即人们只要知道自己认识的人，就能很快地把信息传递到任何远方目标[2]。 .Stanleymilgram的邮件试验，后来的“培根试验”，以及1998年《纽约时代周刊》的关于莱温斯基的讽刺性游戏，都表现出：似乎在庞大的网络中各要素之间的间隔实际很“近”，科学家们把这种现象称为小世界效应[3]。研究发现，世界上任意两个人可以平均通过6个人联系在一起，人们称此现象为“六度分离” [2]。 二、小世界网络模型方面的研究 W-S模型定义了两个特征值：a.特征路径的平均长度L。它是指能使网络中各个结点相连的最少边长度的平均数，也就是上面说的小世界网络平均距离。b.集团化系数C。网络结点倾向于结成各种小的集团,它描述网络局部聚类特征。 稍后，Newman和WattS对上述的WS模型作了少许改动，提出了另一个相近但较好的(NW)小世界网络模型[5]，其做法是不去断开原来环形初始网络的任何一条边、而只是在随机选取的节点对之间增加一条边(这时，新连接的边很可能是长程边)。这一模烈比WS模型容易分析，因为它在形成过程中不会出现孤立的竹点簇。 其次，还有Monasson小世界网络模型[6]以及一些其它的变形模型包括BW 小世界网络模型等等[7]。 三、小世界网络应用方面的研究 ①、在生物学领域的应用 Wdt怡和StrogatZ证明疾病全球传播所需的时间和特征路径长度非常相似，只要在传播网络中加人一些捷径就可以使传播速度明显加快。运用病毒在小世界网络中的传播性质可推出信息在一个平均分离度为6的网络中传播要比在平均分离度为一百或一百万的网络中快得多[8]。 许多知名的生物网络表现出了小世界网络节点间的关连性。一般的小世界网络模型,也利用了网络的无向和无标度特性来展示网络中各节点之间的联系。这种网络模型能模拟一些神经网络的重要性质，例如，染色体结合的方向和标度。 [9][10]。 有学者研究了基于神经网络的有小世界结构的联想记忆模型。这一网络检索某一存储的模型的有效性展示了混乱的有限价值的阶段转换。更加常规化的网络很难恢复这个模型，而对混合的不对称的状态更有效。[11]。 ②、在博弈论方面的应用 function [DeD,aver_DeD]=Degree_Distribution(A) %% 求网络图中各节点的度及度的分布曲线 %% 求解算法：求解每个节点的度，再按发生频率即为概率，求P(k) %A————————网络图的邻接矩阵 %DeD————————网络图各节点的度分布 %aver_DeD———————网络图的平均度 N=size(A,2); DeD=zeros(1,N); for i=1:N % DeD(i)=length(find((A(i,:)==1))); DeD(i)=sum(A(i,:)); end aver_DeD=mean(DeD); if sum(DeD)==0 disp('该网络图只是由一些孤立点组成'); return; else figure; bar([1:N],DeD); xlabel('节点编号n'); ylabel('各节点的度数K'); title('网络图中各节点的度的大小分布图'); end figure; M=max(DeD); for i=1:M+1; %网络图中节点的度数最大为M,但要同时考虑到度为0的节点的存在性 N_DeD(i)=length(find(DeD==i-1)); % DeD=[2 2 2 2 2 2] end P_DeD=zeros(1,M+1); P_DeD(:)=N_DeD(:)./sum(N_DeD); bar([0:M],P_DeD,'r'); xlabel('节点的度 K'); ylabel('节点度为K的概率 P(K)'); title('网络图中节点度的概率分布图'); 平均路径长度 function [D,aver_D]=Aver_Path_Length(A) %% 求复杂网络中两节点的距离以及平均路径长度 %% 求解算法：首先利用Floyd算法求解出任意两节点的距离，再求距离的平均值得平均路 小世界网络及其性质 复杂网络是多主体系统的一个子集，对它的研究是计算经济学的一个重要研究领域。而贸易网络又是复杂网络在社会科学领域的一个子集，因此要讨论贸易网络，首先要关注关于复杂网络的一般性研究。在本章中，我们先介绍复杂网络研究的一个重要成果，即小世界模型，这为后面讨论贸易网络做准备。因为小世界模型只是一个纯粹的数学问题，并不包含某一学科的特殊含义，因此要首先讨论贸易网络的经济学意义，这是从一个简单的分工协调问题开始的。之后，我们进一步的追问，贸易网络是否也具有小世界这样一个普遍存在的性质。 1、多主体系统中的复杂网络 我们生活在各种各样的网络之中。在与同学、朋友、老师交往的时候，我们处于一个人际关系网络中；在我们使用各种电器的时候，我们处于一个电力网络中，很多发电厂、变电所、输电线构成了这个网络；我们去银行取钱的时候，便处于一个银行网络之中，而银行又可以与各种投资者，贷款人联系，这又是一个更大的网络。复杂网络是最近几年新兴起来的一个研究方向，如图 3.1 所示，复杂网络是多主体系统的一个子集，它里面还包括了社会关系网络（社会学）、神经网络（生物学）、计算机网络（计算机科学）、贸易网络（经济学）等等诸多的网络类别。复杂网络是多主体系统研究的一个重要分支，对社会网络、贸易网络的分析是计算经济学（ACE）的一个主要领域。 ACE 在社会科学角度对复杂网络的研究主要关注以下几个方面：（1）市场或 人际关系网络的拓扑结构究竟是什么样的。（2）这些网络结构的微观基础是什么，即如何从个体的行为出发，通过自下而上的建模涌现出这样的网络。（3）社会科学领域的网络与其它领域的网络能否找到一致的共性特征。社会科学可 小世界网络简介及MATLAB建模 1.简介 小世界网络存在于数学、物理学和社会学中，是一种数学图的模型。在这种图中大部份的结点不与彼此邻接，但大部份结点可以通过任一其它节点经少数几步就可以产生联系。若将一个小世界网络中的点代表一个人，而联机代表人与人之间是相互认识的，则这小世界网络可以反映陌生人通过彼此共同认识的人而起来产生联系关系的小世界现象。 在日常生活中，有时你会发现，某些你觉得与你隔得很“遥远”的人，其实与你“很近”。小世界网络就是对这种现象的数学描述。用数学中图论的语言来说，小世界网络就是一个由大量顶点构成的图，其中任意两点之间的平均路径长度比顶点数量小得多。除了社会人际网络以外，小世界网络的例子在生物学、物理学、计算机科学等领域也有出现。许多经验中的图可以用小世界网络来作为模型。因特网、公路交通网、神经网络都呈现小世界网络的特征。 小世界网络最早是由邓肯·瓦茨（Duncan Watts）和斯蒂文·斯特罗加茨（Steven Strogatz）在1998年引进的，将高聚合系数和低平均路径长度作为特征，提出了一种新的网络模型，一般就称作瓦茨-斯特罗加茨模型（WS模型），这也是最典型的小世界网络的模型。 由于WS小世界模型构造算法中的随机化过程有可能破坏网络的连通性，纽曼(Newman)和瓦茨(Watts)提出了NW小世界网络模型，该模型是通过用“随机化加边”模式来取代WS小世界网络模型构造中的“随机化重连”。 在考虑网络特征的时候，使用两个特征来衡量网络：特征路径长度和聚合系数。 特征路径长度（characteristic path length）：在网络中，任选两个节点，连同这两个节点的最少边数，定义为这两个节点的路径长度，网络中所有节点对的路径长度的平均值，定义为网络的特征路径长度。这是网络的全局特征。 聚合系数(clustering coefficient)：假设某个节点有k个边，则这k条边连接的节点之间最多可能存在的边的个数为k(k-1)/2，用实际存在的边数除以最多可能存在的边数得到的分数值，定义为这个节点的聚合系数。所有节点的聚合系数的均值定义为网络的聚合系数。聚合系数是网络的局部特征，反映了相邻两个人之间朋友圈子的重合度，即该节点的朋友之间也是朋友的程度。 我们可以发现规则网络具有很高的聚合系数，大世界（large world，意思是特征路径长度很大），其特征路径长度随着n(网络中节点的数量)线性增长，而随机网络聚合系数很小，小世界（small world，意思是特征路径长度小），其特征路径长度随着log(n)增长中说明，在从规则网络向随机网络转换的过程中，实际上特征路径长度和聚合系数都会下降，到变成随机网络的时候，减少到最少。但这并不是说大的聚合系数一定伴随着大的路径长度，而小的路径长度伴随着小的聚合系数，小世界网络就具有大的聚合系数，而特征路径长度很小。试验表明，少量的short cut的建立能够迅速减少特征路径长度，而聚合系数变化却不大，因为某一个short cut的建立，不仅影响到所连接的节点的特征路径长度，而且影响到他们邻居的路径长度，而对整个网络的聚合系数影响不大。这样，少量的short cut的建立就能使整个网络不知不觉地变成小世界网络。 实际的社会、生态、等网络都是小世界网络，在这样的系统里，信息传递速度快，并且少量改变几个连接，就可以剧烈地改变网络的性能，如对已存在的网络进行调整， 微分方程模型 [学习目的] 1.加深对微分方程概念的理解，掌握针对一些问题通过建立微分方程 的方法及微分方程的求解过程； 2.了解微分方程模型解决问题思维方法及技巧； 3.领会建立微分方程模型的逐步改进法的核心及优点，并掌握该方法； 4.理解微分方程的解的稳定性的意义，会用稳定性判定模型的解是否 有效； 5.体会微分方程建摸的艺术性。 在自然学科（如物理、化学、生物、天文）以及在工程、经济、军事、社会等学科量的问题可以用微分方程来描述。正如列宁所说：“自然界的统一性显示在关于各种现象领域的微分方程式的‘惊人的类似中’．”（列宁选集第二卷，人民1972年版第295页）。要建立微分方程模型，读者必须掌握元素法（有关元素法，在高等数学中已有介绍）。所谓元素法，从某种角度上讲，就是分析的方法，它是以自然规律的普遍性为根据并且以局部规律的独立的假定为基础。在解决各种实际问题时，微分方程用得极其广泛。读者通过下面的几个不同领域中的模型介绍便有所体会，要想掌握好它，在这方面应作大量的练习。 §17.1、传染病传播的数学模型 [学习目标] 1.通过学习建立传染病传播的数学模型的思维方法，能归纳出该类建模的关键 性步骤及思维方法；并能指出求解传染病传播的数学模型的方法技巧； 2.能用已知的传染病传播的数学模型，预报某种传染病的传播； 3.学会从简单到复杂的处理问题的方法。 由于人体的疾病难以控制和变化莫测，因此医学中的数学模型较为复杂。生物医学中的数学模型分为两大类：传染病传播的数学模型和疾病数学模型。 以下仅讨论传染病的传播问题。人们将传染病的统计数据进行处理和分析，发现在某一民族或地区，某种传染病传播时，每次所涉及的人数大体上是一常数。这一现象如何解释呢？关于这个问题，医学工作者试图从医学的不同角度进行解释都得不到令人满意的解释。最后由于数学工作者的参与，在理论上对上述结论进行了严格的证明。同时又由于传染病数学模型的建立，分析所得结果与 复杂网络理论及其研究现状 复杂网络理论及其研究现状 【摘要】简单介绍了蓬勃发展的复杂网络研究新领域，特别是其中最具代表性的是随机网络、小世界网络和无尺度网络模型；从复杂网络的统计特性、复杂网络的演化模型及复杂网络在社会关系研究中的应用三个方面对其研究现状进行了阐述。 【关键词】复杂网络无标度小世界统计特性演化模型 一、引言 20世纪末，以互联网为代表的信息技术的迅速发展使人类社会步入了网络时代。从大型的电力网络到全球交通网络，从Internet 到WWW，从人类大脑神经到各种新陈代谢网络，从科研合作网络到国际贸易网络等，可以说，人类生活在一个充满着各种各样的复杂网络世界中。 在现实社会中，许多真实的系统都可以用网络的来表示。如万维网（WWW网路）可以看作是网页之间通过超级链接构成的网络；网络可以看成由不同的PC通过光缆或双绞线连接构成的网络；基因调控网络可以看作是不同的基因通过调控与被调控关系构成的网络；科学家合作网络可以看成是由不同科学家的合作关系构成的网络。复杂网络研究正渗透到数理科学、生物科学和工程科学等不同的领域，对复杂网络的定性与定量特征的科学理解，已成为网络时代研究中一个极其重要的挑战性课题，甚至被称为“网络的新科学”。 二、复杂网络的研究现状 复杂网络是近年来国内外学者研究的一个热点问题。传统的对网络的研究最早可以追溯到18世纪伟大数学家欧拉提出的著名的“Konigsberg七桥问题”。随后两百多年中，各国的数学家们一直致力于对简单的规则网络和随机网络进行抽象的数学研究。规则网络过于理想化而无法表示现实中网络的复杂性，在20世纪60年代由Erdos和Renyi（1960）提出了随机网络。进入20世纪90年代，人们发现现实世界中绝大多数的网络既不是完全规则，也不是完全随机 传染病传播的数学模型 很多医学工作者试图从医学的不同角度来解释传染病传播时的一种现象，这种现象就是在某一民族或地区，某种传染病传播时，每次所涉及的人数大体上是一常数。结果都不能令人满意，后来由于数学工作者的参与，用建立数学模型来对这一现象进行模拟和论证，得到了较满意的解答。 一种疾病的传播过程是一种非常复杂的过程，它受很多社会因素的制约和影响，如传染病人的多少，易受传染者的多少，传染率的大小，排除率的大小，人口的出生和死亡，还有人员的迁入和迁出，潜伏期的长短，预防疾病的宣传以及人的个体差异等。如何建立一个与实际比较吻合的数学模型，开始显然不能将所有因素都考虑进去。为此，必须从诸多因素中，抓住主要因素，去掉次要因素。先把问题简化，建立相应的数学模型。将所得结果与实际比较，找出问题，修改原有假设，再建立一个与实际比较吻合的模型。从而使模型逐步完善。下面是一个由简单到复杂的建模过程，很有代表性，读者应从中体会这一建模过程的方法和思路。 一.最简单的模型 假设：(1) 每个病人在单位时间内传染的人数是常数k；(2) 一个人得病后经久不愈，并在传染期内不会死亡。 以i(t)表示t时刻的病人数，表示每个病人单位时间内传染的人数，i(0)= 表示最初时有个传染病人，则在时间内增加的病人数为 两边除以，并令→0得微分方程 …………（2.1） 其解为 这表明传染病的转播是按指数函数增加的。这结果与传染病传播初期比较吻合，传染病传播初期，传播很快，被传染人数按指数函数增长。但由(2.1)的解可知，当t→∞时，i(t)→∞，这显然不符合实际情况。最多所有的人都传染上就是了。那么问题在那里呢？问题是就出在于两条假设对时间较长时不合理。特别是假设(1)，每个病人单位时间内传染的人数是常数与实际情况不符。因为随着时间的推移，病人越来越多，而未被传染的人数却越来越少，因而不同时期的传播情况是不同的。为了与实际情况较吻合，我们在原有的基础上修改假设建立新的模型。 二. 模型的修改 将人群分成两类：一类为传染病人，另一类为未被传染的人，分别用i(t)和s(t)表示t时刻这两类人的人数。i (0)= 。 假设：(1) 每个病人单位时间内传染的人数与这时未被传染的人数成正比。即； (2) 一人得病后，经久不愈，并在传染期内不会死亡。 由以上假设可得微分方程传染病传播数学模型
小世界网络综述
复杂网络模型的matlab实现
小世界网络及其性质
小世界网络简介及MATLAB建模
传染病传播的数学模型_上课
复杂网络理论及其研究现状
传染病传播地数学模型