Dynamical Immunization Strategy for Seasonal Epidemics
在复杂网络中寻找有效的病毒拦截策略是当前的研究热点。我们提出了一种针对周期性发生的季节性流行病的免疫策略。根据上一个流行季节的局部感染状况信息，逐步优化接种节点的选择。接种节点在迭代过程中的演化表明，免疫往往位于全局枢纽和局部枢纽。我们分析了流行病流行的异质平均场方法，并提出了我们的模型的数值模拟。这种免疫优于其他一些先前已知的策略。我们的工作为季节性流行病的免疫接种指明了新的方向。
2014-06-28 physics.soc-ph stat.AP
Suppressing Epidemics with a Limited Amount of Immunization Units
疾病通过学校传播，流行病通过国家传播，病毒通过互联网传播的方式对于确定其风险至关重要。虽然这些威胁都有自己的特点，但其潜在的网络决定了传播。为了抑制传播，一个广泛使用的方法是通过免疫来分裂这些网络，这样流行病就不会传播。在这里，我们开发了一种免疫方法的基础上优化易感的大小，它优于最知名的策略免疫的最高介数的链接或节点。我们发现，网络的脆弱性可以显着降低，证明了这三个不同的真实网络：全球航班网络，学校的友谊网络，和互联网。在所有情况下，我们发现，不仅是平均感染概率显着抑制，而且对于最相关的情况下，一个小的和有限数量的免疫单位的感染概率可以降低高达55%。
2011-12-18 cond-mat.stat-mech cs.SI physics.soc-ph
Immunization strategy for epidemic spreading on multilayer networks
在现实世界的许多复杂系统中，个体之间存在着多种交互作用，这就需要考虑一种分层结构的框架来对社会交互等系统进行建模。这种结构可以被多层网络捕获，并且可以对发生在它们上的过程的传播产生重大影响，例如流行病。在这封信中，我们研究了一个有针对性的免疫策略，传染病传播的多层网络。我们将该策略应用于其中一层，并研究其在网络的所有层中的效果，而不考虑层之间的度-度相关性。我们发现，有针对性的策略不如孤立网络有效，因为为了阻止疾病的传播，有必要对80%以上的个体进行免疫接种。然而，与没有缓解策略的情况相比，在应用免疫策略的层中，流行病的大小急剧减小。因此，免疫策略对所应用的层具有主要影响，但不能有效地保护其他层的个体。
2015-02-05 cs.SI nlin.AO physics.soc-ph
The Cost of an Epidemic over a Complex Network: A Random Matrix Approach
在本文中，我们使用随机矩阵理论的工具量化了一种流行病对复杂网络的总体经济影响。在划分直接和间接感染成本的基础上，我们计算了SIS（易感-感染-易感）感染过程的大图极限中的疾病成本。我们还给出了一个上限，这个成本为任意有限图，并说明了使用广泛的模拟随机和现实世界的网络计算成本。我们通过考虑流行病的总社会成本，考虑各种免疫策略的免疫和疾病成本，并确定最佳免疫来扩展这些计算。我们的工作重点是瞬态行为的流行病，在以前的研究，这通常侧重于确定稳态系统的平衡。
2013-09-09 cs.SI physics.soc-ph
Adaptive Epidemic Dynamics on Hypergraphs with Group-Level Immunization and Rewiring
College of Artificial Intelligence, Southwest University（西南大学人工智能学院）；School of Systems Science/Institute of Nonequilibrium Systems, Beijing Normal University（北京师范大学系统科学学院/非平衡系统研究所）；Business College, Southwest University（西南大学商学院）；Faculty of Natural Sciences and Mathematics, University of Maribor（马里博尔大学自然科学与数学学院）；Community Healthcare Center Dr. Adolf Drolc Maribor（马里博尔阿道夫·德罗尔博士社区健康中心）；Department of Physics, Kyung Hee University（庆熙大学物理系）；University College, Korea University（高丽大学大学院）
提出自适应单纯复形SIS模型，研究超边活动与节点状态协同演化，通过群体免疫和结构重连干预，揭示高阶交互导致不连续相变和双稳态区域。
2026-07-03 cs.SI physics.soc-ph
Two novel immunization strategies for epidemic control in directed scale-free networks with nonlinear infectivity
在本文中，我们提出了两种新的免疫策略，即，联合免疫和双重免疫的方法，并在线性和非线性传染性下得到了它们的传染阈值。通过提出的两种新策略，免疫后的流行阈值大大提高。对于双重免疫，我们证明了它的性能是最好的，在所有常用的免疫方案的程度分布。对于联合免疫方案，我们证明了它比主动免疫更有效。此外，我们还对定向免疫在有向网络中的应用进行了全面的理论分析。对于目标免疫策略，证明了免疫出度大的节点比免疫入度大的节点更有效，同时具有出度和入度大的节点比只具有出度和入度大的节点更值得免疫.最后，数值分析验证和补充我们的理论结果。该工作首次将整个人群划分为不同的类型，并根据人群的特点嵌入合适的免疫方案，这将有利于复杂网络上传染病免疫控制的研究。
2018-06-04 math.DS nlin.AO physics.soc-ph
Effective epidemic containment strategy in hypergraphs
最近，超图引起了研究界的极大兴趣，作为能够编码高阶交互的网络的推广，这些交互通常出现在自然和社会系统中。超图中的流行病动力学已被研究使用的单纯易感-感染-易感（$s$）模型，然而，有效的免疫策略的超图中的流行病没有研究，尽管在数学流行病学的重要性的主题。在这里，我们提出了一种免疫策略，免疫hyperedges高同时感染概率（SIP）。这种策略可以在一般超图中实现。我们还推广了基于边缘流行病重要性（EI）的免疫策略，这是复杂网络中的最新技术。然而，它不执行以及基于SIP的方法在超图，尽管其高计算成本。我们还表明，免疫超边高H-特征值有效地包含在均匀超图的流行病。一个超边缘的高SIP表明该超边缘是流行过程的“热点”。因此，SIP可以作为一个中心性度量来量化一般超图中的超边对高阶动力学的影响。免疫策略的有效性表明，科学、数据驱动、系统地制定控制流行病的政策是必要的。
2021-09-24 physics.soc-ph
Immunization strategies for epidemic processes in time-varying contact networks
扩展过程是研究网络结构特性及其组成部分的相对重要性的一个非常有效的工具，并已被广泛用于静态网络。在这里，我们认为简单的疾病传播过程中的经验时变网络的个人之间的接触，并比较这些过程中的几种免疫策略的效果。免疫策略被定义为选择一组不能感染或传播疾病的节点（个体）。该选择根据接触网络的节点的特定排名来执行。我们考虑了各种排名策略，特别关注训练窗口的作用，在此期间，在时变网络中测量节点的属性：较长的训练窗口对应于收集的大量信息，并且可以预期会导致免疫策略的更好性能。相反，我们发现一个意想不到的饱和的效率的策略的基础上节点的特征时，训练窗口的长度增加，显示有限的信息量的接触模式是足够的设计有效的免疫策略。这一发现是平衡的大变化的接触模式，强烈改变节点的重要性，从一个时期到下一个，因此显着限制任何策略的效率的基础上的重要性排名的节点。我们还观察到，策略的效率，包括一个随机性的元素，是基于时间上的本地信息不执行以及，但在很大程度上是独立的信息量。
2013-05-10 cs.SI physics.soc-ph q-bio.PE
Type reproduction number for epidemic models on heterogeneous networks
感染很容易在度分布不均匀的网络上传播。在这里，我们考虑了这种网络上的靶向免疫，其中具有最高连接性的一部分个体被免疫。为了量化这种靶向免疫方法对群体免疫力的影响，我们提出了一种使用类型繁殖数的方法。因此，我们推导出一个精确而简单的公式，可以产生免疫阈值，这是据我们所知，在文献中提出的第一个这样的结果。
2020-06-05 physics.soc-ph q-bio.PE
Epidemic spreading and immunization with identical infectivity
本文提出了一个具有相同传染性的SIS模型，其中每个节点在每个时间步都被赋予相同的活动接触能力$A$.我们发现在无标度网络中，感染节点的密度存在一个阈值，其值为1/A，这一点通过分析和数值模拟都得到了证明。受感染的群体以指数形式增长，并遵循分层动态，这表明一旦到达高度连接的枢纽，感染几乎以渐进级联的方式遍布整个网络。此外，该模型的随机，比例和有针对性的免疫接种的效果进行了研究。基于当前模型和异构网络，有针对性的策略表现最好，而随机策略比标准SIS模型更有效。本文的研究结果对动态控制策略的制定具有实际意义。
2007-04-04 physics.bio-ph physics.soc-ph
Inverse targeting -- an effective immunization strategy
我们提出了一种新的方法来免疫人口或计算机网络对流行病，这是更有效的比以前考虑的任何方法。我们的方法的新颖性在于确定免疫靶点的方式。首先，我们确定那些对疾病传播贡献最小的个人或计算机，通过他们对社会或计算机网络中最大连接集群的大小的贡献来衡量。免疫过程按照识别出的个人或计算机的列表以相反的顺序进行，首先免疫那些与传染病传播最相关的人。我们已经将我们的免疫策略应用于几个模型网络和两个真实网络，互联网和高能物理学家的合作网络。我们发现，我们的新的免疫策略是在模型网络的情况下高达14%，并为真正的网络高达33%的效率比动态免疫网络中连接最多的节点。我们的策略在数值上也是有效的，因此可以应用于大型系统。
2011-12-13 cond-mat.stat-mech cs.SI physics.comp-ph
Suppressing traffic-driven epidemic spreading by use of the efficient routing protocol
尽管大量的工作流量动态和传染病传播之间的相互作用，控制传染病传播的路由策略没有得到足够的重视。本文研究了高效路由协议对传染病传播的影响。在节点传输容量无限的情况下，当网络流量不发生拥塞时，存在最优的路由参数值，使得网络的传染阈值最大。这意味着可以通过微调路由方案来有效地控制传染病传播。此外，我们发现，平均网络连接的增加和流量拥塞的出现可以抑制疫情的爆发。
2015-02-28 cs.SI physics.soc-ph
Traffic-driven epidemic spreading in correlated networks
尽管人们在复杂网络中的流量动力学和传染病传播方面做了大量的工作，但在{ \em相关}网络上流量驱动的传染病传播问题还没有得到解决。有趣的是，我们发现，流行病的阈值，一个基本量背后的传播动力学，表现出非单调的行为，它可以最小化的一些临界值的传播系数，一个参数表征网络的相关性。为了理解这种现象，我们使用基于度的平均场论来计算相关网络的流量驱动的流行病阈值。该理论预测阈值与分组生成速率和介数矩阵的最大特征值成反比。我们得到理论和数值之间的一致性。我们的研究结果可能会提供洞察到控制/利用现实世界的传染病传播动态驱动的交通流量的重要问题。
2015-07-16 cs.SI physics.soc-ph
Containing epidemic outbreaks by message-passing techniques
有针对性的网络免疫问题可以定义为在给定的流行病模型下，找到网络中的一个节点子集进行免疫或接种，以最小化接种成本和最终（静态）预期感染之间的权衡。虽然计算预期的感染是一个很难的计算问题，简单而有效的平均场近似已经提出了在最近几年的文献。该优化问题可以转化为一个约束问题，其中约束条件强制执行描述流行病过程平均稳态的局部平均场方程。对于广泛的一类流行病模型，包括易感染-感染-移除和易感染-感染-易感模型，我们定义了一种消息传递方法来进行网络免疫，该方法使我们能够研究存在免疫节点时流行病爆发的统计特性，并找到（接近）最佳免疫集，用于给定的参数和成本选择。该算法与图的大小成线性关系，即使在大型网络上也可以有效。我们比较其性能与拓扑为基础的算法，贪婪的方法，和模拟退火。
2013-09-11 cond-mat.dis-nn cs.SI physics.soc-ph
Epidemic Spreading on Weighted Complex Networks
如今，在线服务的出现提供了各种多元关系的信息，以支持对传染病传播过程的全面了解。在这封信中，我们考虑边权重来表示这种多角色关系。此外，我们进行了详细的分析，两个代表性的指标，爆发阈值和流行病流行，SIS和SIR模型。理论和仿真结果都发现彼此很好的协议。此外，实验表明，在完全混合网络中，当网络的平均权值一定时，边的权值分布不会影响网络的传播效果。本文的工作对于深入理解多重关系网络和加权网络上的传染病传播具有一定的指导意义。
2014-02-10 cs.SI physics.soc-ph
Mutual Feedback Between Epidemic Spreading and Information Diffusion
信息扩散对传染病传播的影响近年来引起了人们的广泛关注。当一种疾病开始在人群中传播时，有关该疾病的信息就会传播给其他人，这反过来又会对疾病的传播产生影响。在本文中，使用H7N9传播的经验结果和有关该疾病的信息，我们清楚地表明，这两种类型的过程的传播动力学相互影响。为了说明信息扩散对传染病传播的影响，我们建立了一个数学模型，其中两种类型的传播动力学描述使用SIS过程。仿真结果和成对分析都表明，信息扩散可以提高疫情爆发的阈值，降低最终感染个体的比例，并显著降低疫情传播的速率。此外，我们发现传染病传播的多爆发现象，以及信息扩散的影响，与实证结果一致。这些调查结果突出表明，即使在流行病似乎得到控制的情况下，也需要保持社会对疾病的认识，以防止随后的爆发。这些结果有助于深入理解传染病传播动力学与信息扩散之间的相互作用。
2015-06-12 cs.SI physics.soc-ph
Cooperative epidemic spreading on a two-layered interconnected network
研究了传染病传播在两层互联网络上的动力学行为。提出了三个不同层次的模型来描述互联网络上的合作传播过程，其中一个网络中的疾病可以传播到另一个网络。理论分析表明，互联网络中的全局流行阈值不大于两个孤立的分层网络的流行阈值。特别是，在一个互联的同质网络，详细的理论分析，这使得快速和准确的计算的全球流行病阈值。此外，在节点度之间存在层间相关性的互联异构网络中，发现层间相关系数对流行阈值的影响很小，但对总流行有显著影响。仿真结果进一步验证了分析结果，表明合作流行过程促进了疾病的传播。
2017-02-13 cs.SI physics.soc-ph
Global efficiency of local immunization on complex networks
流行病以各种形式出现：传染病在我们稀疏的性网络中传播，谣言和疾病在我们密集得多的社会交往中传播，或者病毒在互联网上传播。随着大型数据库和高效分析算法的出现，这些过程可以更好地预测和控制。在这项研究中，我们使用不同的网络组织的特点，以确定有影响力的传播者在17个不同性质的经验网络使用2个流行病模型。我们发现，一个明智的选择的本地措施，无论是在微观尺度上的网络的连通性或在中观尺度上的社区结构的基础上，相比有利的全球措施，如介数中心，在效率，实用性和鲁棒性。我们还开发了一个分析框架，突出了不同的流行病制度的特征规模的过渡。这就可以决定在特定情况下应采取哪种地方措施来管理免疫接种。
2013-05-01 physics.soc-ph q-bio.PE
Suppressing traffic-driven epidemic spreading by edge-removal strategies
近年来，复杂网络上的流量动态与传染病传播之间的相互作用越来越受到人们的关注。然而，控制交通驱动的传染病传播仍然是一个具有挑战性的问题。在这份简报中，我们提出了一种方法，通过适当地删除网络中的一些边缘来抑制流量驱动的流行病爆发。我们发现，可以通过有针对性地切割具有最大算法介数的大度节点或边之间的链接来提高流行阈值。相反，通过随机边缘去除，将降低流行阈值。这些发现是强大的交通流量条件，网络结构和路由策略。此外，我们发现，目标边缘的关闭可以有效地释放通过大度节点的流量负载，使这些节点的感染概率相对较低。
2015-02-28 cs.SI physics.soc-ph
Immunization of networks with non-overlapping community structure
虽然社区结构在复杂网络中普遍存在，但很少有研究利用这种拓扑性质来控制流行病。在这项工作中，致力于非重叠社区结构的网络（即，一个节点属于一个单一的社区），我们提出并研究了三个确定性免疫策略。为了表征节点的影响，使用各种信息，例如节点在一跳中可以到达的社区的数量、链路的性质（社区内链路、社区间链路）、社区的大小以及社区之间的互连密度。在真实网络和合成网络上进行了易感-感染-移除（SIR）流行病模型的数值模拟。实验结果表明，所提出的策略是更有效的比经典的确定性的替代品是不可知的社区结构。此外，它们优于为模块化网络设计的随机和确定性策略。
2018-06-14 cs.SI physics.soc-ph
The impact of nodes of information dissemination on epidemic spreading in dynamic multiplex networks
本文提出双层网络模型，探讨意识层中个体属性对传染病传播的影响，发现高中心性个体能抑制传染病传播，低中心性个体对感染数量有近似线性影响。
2024-06-06 cs.SI physics.soc-ph
Effects of awareness diffusion and self-initiated awareness behavior on epidemic spreading - an approach based on multiplex networks
本文研究了多重网络中传染病传播与意识扩散之间的相互作用。在该模型中，传染病可以在代表传染病传播路径的一个网络（接触网络）中传播，导致意识在另一个网络（信息网络）中扩散，然后意识的扩散会导致个体采取社会距离，进而影响传染病传播。对于意识的扩散，我们认为，一方面，个体可以通过信息网络中的其他有意识的邻居获得信息，另一方面，易感个体可以通过接触网络（局部信息）或大众媒体（全局信息）中的被感染邻居诱导自我意识。通过马尔可夫链方法和数值计算，我们发现两个网络的结构和意识的有效传播率会影响感染个体的密度和流行阈值。然而，我们证明了虽然引入自我意识可以降低感染密度，但无论是局部信息还是全局信息，都不会增加流行阈值。我们的发现是显着不同的许多以前的结果-本地信息为基础的行为反应可以改变流行阈值。
2015-02-02 cs.SI physics.soc-ph
Asymmetrically interacting spreading dynamics on complex layered networks
疾病通过物理接触网络的传播和疾病信息通过通信网络的传播是两个密切相关的动力学过程。我们通过关注任何传播过程背后的两个基本量：流行阈值和最终感染率，研究了两种类型的传播动态之间的不对称相互作用，每种传播动态都发生在自己的层上。我们发现，接触层上的流行病爆发可以诱导传播层上的流行病爆发，信息传播可以有效地提高流行病的阈值。当两层之间存在结构相关性时，信息阈值保持不变，但可以提高流行阈值，使接触层对流行病爆发具有更强的弹性。我们开发了一个物理理论来理解这两种类型的传播动力学之间错综复杂的相互作用。
2014-05-08 cs.SI physics.soc-ph
SIS Epidemic Spreading with Heterogeneous Infection Rates
在这项工作中，我们的目标是了解感染率的异质性对易感-感染-易感（SIS）传染病传播的影响。以经典的SIS模型为基准，研究了独立同分布的感染率对处于亚稳态的平均感染率的影响。对数正态分布，伽玛和新设计的分布被认为是感染率。我们发现，当回收率较小时，即在同质和异质两种情况下，传染病的传播都是：1）平均感染率的异质性阻碍了病毒的传播; 2）感染率的偶数阶矩越大，平均感染率越小，但奇数阶矩的贡献则相反;当恢复率很大时，即流行病可能会消亡或感染一小部分人口，感染率的异质性可能会增加流行病蔓延的可能性。最后，我们通过现实世界的网络与他们的异质感染率验证我们的结论。我们的研究结果表明，在现实中，流行病的传播可能并不像经典的SIS模型所表明的那样严重，但消除流行病可能更加困难。
2016-04-05 cs.SI physics.soc-ph
Traffic-driven SIR epidemic model on networks
提出了一个新的SIR传染病模型，该模型由网络中的感染包传输驱动。具体地说，感染节点产生并传递感染包，导致疫情的传播，而恢复节点阻止感染包的传递，这抑制了传染病传播。在分组传输中使用由控制参数$α$管理的高效路由协议。通过仿真得到了感染节点的最大瞬时种群、感染节点的最大种群以及相应的最优$α$。我们发现，一般更平衡的负载分布会导致更激烈和广泛的传播网络中的流行病。增加节点的平均度或度分布的均匀性都有利于传染病传播。当数据包生成率$ρ$较小时，增加$ρ$有利于传染病传播。然而，当$ρ$足够大时，出现抑制传染病传播的交通堵塞。
2015-02-18 cs.SI physics.soc-ph
Group based Centrality for Immunization of Complex Networks
网络免疫是虚拟网络安全、公共卫生和社交媒体等多个领域中广泛认可的问题，用于处理节点接种问题，以最小化通过这些网络中存在的链路的传输。我们的目标是识别排名靠前的节点来免疫网络，从而控制流行病或错误信息的爆发。我们考虑基于群体的中心性，并定义了一个启发式的客观标准，建立目标的关键节点发现网络中，如果免疫导致本质的网络脆弱性。我们提出了一种基于群体的博弈论收益分配方法，通过Shapley值来分配参与节点在不同群体中获得的盈余，通过位置权力和对其他节点的功能影响来分配。我们将这些关键节点标记为基于Shapley值的信息定界符（SVID）。实验的经验数据集和模型网络建立我们所提出的方法的有效性和确认节点接种划定传染病爆发的性能。
2018-12-30 cs.SI physics.soc-ph
Epidemic Variability in Hierarchical Geographical Networks with Human Activity Patterns
近年来，一些研究表明，人类行为的非泊松统计源于等级地理网络结构。基于这一观点，我们将重点放在等级地理网络中的传染病传播，并研究两种不同的接触模式（即：例如，与地理距离相关的均匀时间延迟（HOTD）和非均匀时间延迟（HETD）影响暴发的传播速度和变异性。研究发现，与HOTD和null模型相比，HETD中时延与网络层次的相关性显著减缓了传染病传播，并导致了向上级联的多模态现象.相应地，HETD暴发的变异性值较低，但在较长时间内有多个可比的峰值，这使得传染病传播的长期预测变得困难。当种子（i）例如，初始感染节点）来自网络的高层，显著促进了传染病传播。有趣的是，两种接触模式的变异性出现了不同的趋势：高层次的种子在HOTD导致较低的变异性，HETD的情况下，相反。更重要的是，HETD中高层种子的变异性远大于HOTD，这意味着传染病传播在等级地理网络中的不可预测性。
2012-04-03 cs.SI physics.soc-ph
Quarantines as a Targeted Immunization Strategy
在最近COVID-19疫情爆发的背景下，检疫被用来“拉平曲线”，减缓疾病的传播。在本文中，我们表明，这不是唯一的好处，检疫缓解SIR流行病的传播图。事实上，人类接触网络呈现出幂律结构，这意味着随机免疫节点对减缓流行病非常无效，而免疫高度节点可以有效地保证群体免疫。我们从理论上证明，如果在正确的时刻声明删除，高度节点不成比例地处于删除状态，这是一种有针对性的免疫形式。即使过早宣布接种疫苗，后续的感染传播速度也会比第一波慢。这使得我们提出了一个开放和封闭的策略，旨在免疫图，同时感染最少数量的个体，保证人口现在对未来的感染是健壮的。据我们所知，这是保证群体免疫而不需要疫苗的唯一策略。我们在模拟和现实网络上广泛验证了我们的结果。
2021-02-21 cs.CY cs.SI physics.soc-ph
Epidemic Spreading on Activity-Driven Networks with Attractiveness
我们研究SIS传染病传播过程展开最近概括的活动驱动的建模框架。在这个时变网络模型中，每个节点由两个变量描述：活动性和吸引力。第一，描述了形成联系的倾向。第二，定义吸引他们的倾向。我们推导出分析考虑的时间尺度驱动的接触和传染的演变可比的流行阈值。这些解是通用的，适用于任何活动和吸引力的联合分布。通过考虑异质分布和两个变量之间的不同相关性进行的大规模数值模拟，证实了理论图片。我们发现吸引力的异质分布改变了传染过程。特别是，在两个变量之间不相关和正相关的情况下，异质吸引力促进了传播。相反，活动和吸引力之间的负相关阻碍了传播。所提出的结果有助于了解时变网络的动力学性质及其对在其结构上展开的传染现象的影响。
2017-09-11 cs.SI physics.soc-ph
Immunization of Susceptible-Infected Model on Scale-Free networks
本文研究了Barabási-Albert（BA）网络上易感染（SI）模型的两种主要免疫策略：随机免疫和靶向免疫.对于异质结构，当接种比例很小时，随机策略的效果很差，而目标策略偏好接种程度最大的个体，即使接种的群体数量很小，也能显著抑制传染病传播。该解析解可以反映接种群体数量与接种速度变化的关系。
2006-10-18 physics.bio-ph physics.soc-ph
Analysis and Control of Epidemics: A survey of spreading processes on complex networks
本文回顾并提出了各种解决和开放的问题，在发展，分析和控制的流行病模型。我们有兴趣为希望进入复杂网络传播过程领域的新工程师提供一份相对简洁的报告。
2015-08-25 cs.SI math.OC physics.soc-ph
Efficient network immunization under limited knowledge
有针对性的免疫或大规模网络攻击已引起科学界的极大关注。然而，在现实世界的场景中，网络的知识和观察可能是有限的，从而排除了对免疫（或移除）的最佳节点的全面评估，以避免诸如当前COVID-19流行病的流行病传播。在这里，我们研究了一种新的免疫策略，其中一次只观察$n$节点，并且这些$n$节点之间的最中心被免疫（或攻击）。重复地继续该过程，直到节点的$1-p$部分被免疫（或攻击）。我们开发了一个分析框架，这种方法，并确定临界渗流阈值$p_c$和巨组件$P_{\infty}$的大小为任意度分布的网络$P(k)$。在极限的$n\to\infty$，我们恢复以前的工作有针对性的攻击，而$n=1$，我们恢复已知的情况下，随机故障。在这两个极端之间，我们观察到，随着$n$增加，在具有完全信息的靶向免疫（攻击）下，$p_c$迅速增加至其最佳值。特别是，我们发现了一个新的$|p_c(\infty)-p_c(n)|$和$n$之间的缩放关系为$|p_c(\infty)-p_c(n)|\sim n^{-1}\exp(-αn)$。对于无标度（SF）网络，其中$P(k)\sim k^{-γ}, 2<γ<3$，我们发现$n$从$n=1$增加到$\log N$的数量级（$N$是网络的大小）时，$p_c$有一个从零到非零的转变。因此，对于SF网络，$\log N$节点的顺序的知识和免疫它们可以显着减少流行病。
2020-04-02 physics.soc-ph q-bio.PE
Epidemic spreading on complex networks with general degree and weight distributions
疾病在复杂网络上的传播引起了物理学界的广泛关注。最近的研究表明，异质度和权重分布对流行病动力学有着重要的影响。在这项研究中，一种新的基于边权重的分区方法被开发用于估计具有一般度和权重分布的网络上的流行病阈值和流行病大小（最终感染密度），并且获得了与数值的显著一致性。即使在复杂的网络与强异构度和权重分布，这种方法是工作。我们提出了一种基于边权重的不同偏向的删除策略，发现当优先删除高权重的边时，这种策略可以有效地控制流行病的传播，特别是当网络的权重分布非常不均匀时。理论结果表明，该方法能较准确地预测上述去除效果.
2014-07-03 cs.SI physics.soc-ph
Eigenvector localization in real networks and its implications for epidemic spreading
邻接矩阵的谱特性，特别是它的最大特征值和相关的主特征向量，支配着复杂网络的许多结构和动力学特性。在这里，我们专注于本地化性质的主要特征向量在现实网络。我们发现，在大多数情况下，它是本地化的最大程度的节点（枢纽）及其最近的邻居所定义的星，或在密集连接的子图定义的最大$K$-核心的$K$-核心分解。主特征向量的局部化通常与最大特征值的值强相关，该最大特征值由相应局部化子图的局部特征值给出，但有时会出现不同的情况。我们还表明，简单的有针对性的免疫策略传染病传播是非常敏感的实际本地化设置。
2018-01-17 cs.SI physics.soc-ph
Interplay of epidemic spreading and vaccine uptake under complex social contagion
本研究通过SIR模型和阈值疫苗接种策略，在年龄分层多层网络上模拟，揭示复杂社会传染下疫苗接取态度与流行病传播的相互作用。
2024-12-16 cs.SI physics.soc-ph
Strong ties promote the epidemic prevalence in susceptible-infected-susceptible spreading dynamics
了解传播动态将有利于整个社会更好地预防和控制疾病，以及促进社会责任的信息，同时抑制破坏性的谣言。在基于网络的传播动力学中，不同权重的边可能扮演着截然不同的角色：远方的朋友通常会带来新奇的故事，而亲密的关系对于流感疫情来说风险很高。在这篇文章中，我们提出了一个加权的易感-感染-易感模型的复杂网络，其中的权重定义的两个相关联的节点的拓扑接近。每个受感染的个体被允许选择有限数量的邻居进行接触，并引入一个可调参数来控制通过高权重或低权重边缘进行接触的偏好。在六个真实网络上的实验结果表明，在传播过程中，强联系可以大大促进流行病的流行。通过与两个分别具有随机拓扑和随机重分布权重的统计零模型的比较，我们证明了权重的分布模式而不是拓扑对实验观测值的影响。进一步的分析表明，权重-权重相关性强烈影响结果：当权重-权重相关性存在时，高权重边在保持高流行率方面更显着。
2013-11-22 cs.SI physics.soc-ph
Epidemic spreading driven by biased random walks
随机游走是在许多网络应用中发现的基本机制之一。研究了复杂网络上由有偏随机游动驱动的传染病传播动力学。在我们的传染病模型中，每次被感染的节点不断地通过有偏随机游走将一些被感染的数据包传播到它们的邻居节点，导致接收数据包的易感节点被感染。被感染的节点以固定的概率从感染中恢复。对模型和真实网络的仿真分析结果表明，随着感染节点的传递能力、节点平均度、节点度分布均匀性的增加，传染病传播的强度和范围都增大。此外，还存在相应的最优参数，使得感染节点瞬时拥有最大种群，传染病传播过程覆盖网络的最大部分。
2014-08-01 cs.SI physics.data-an physics.soc-ph
Transient Dynamics of Epidemic Spreading and Its Mitigation on Large Networks
在本文中，我们的目标是了解一个易感染（SI）的流行病在一个大型网络上传播过程的瞬态动力学。SI模型在文献中被很大程度上忽视了，而它自然更适合在补丁/疫苗不可用的早期对恶意软件传播进行建模，或者在大规模补丁实际上不可行的更广泛的时间尺度上进行建模。尽管如此，它的分析是简单的不平凡的，因为它的重要动态都是瞬态的，通常的稳定性/稳态分析不再适用。为此，我们开发了一个理论框架，使我们能够获得一个准确的封闭形式的近似解的原始SI动力学在任何任意的网络，它捕获的时间动态在所有的时间，比现有的近似更紧密，并通过可靠性理论提供了一个新的解释。作为其应用，我们进一步开发疫苗接种策略，或不知道已经感染的节点，以减轻未来的流行病蔓延到可能的范围内，并通过数值模拟证明其有效性。
2019-05-20 cs.SI physics.soc-ph
Competing spreading processes on multiplex networks: awareness and epidemics
在多层互联的复杂网络之上，类似流行病的传播过程揭示了相互交织的竞争效应的丰富相图。作者最近的一项研究[Granell等人，Phys.Rev.Lett. 111，128701（2013）]分析了导致流行病传播的两个过程之间的相互关系，以及在多重网络之上传播信息意识以防止其感染。在这种情况下，提高认识意味着对疾病进行全面免疫，结果表明存在一个元临界点，在这个点上，流行病的关键开始取决于提高认识过程的实现。在这里，我们提出了一个全面的分析，这些关键的属性在更一般的情况下，意识的传播并不意味着完全免疫，感染并不意味着立即意识到它。我们发现这两个竞争过程之间的关键关系，代表它们之间的相互作用的参数范围很广。我们还分析了大规模广播的意识（大众媒体）的流行病发病率的最终结果的后果。更重要的是，大众媒体使元批评点消失了。结果表明，主要的发现，即存在一个元临界点，是植根于竞争的原则，并持有一个大的场景。
2014-05-18 cond-mat.stat-mech cs.SI physics.soc-ph
Efficient community-based control strategies in adaptive networks
目前对自适应网络的研究主要集中在稳态特性上，而忽略了暂态动态特性。本研究关注的是瞬时过程中社区结构的形成以及社区控制策略对传染病传播的影响。首先，通过规范化模块度$Q$，我们研究了社区结构在传播过程中的演化，发现在传染病传播的早期阶段，由于重新布线机制的作用，社区结构会产生很强的影响，从而显著延缓了传染病的爆发。然后研究不同阶段的控制策略对患病率的影响。免疫策略和检疫策略都表明，实施控制措施并不是“越早越好”。如果在群落结构较强的时期能有效地实施控制措施，则可获得最佳的控制效果。对于免疫策略，免疫SI链路上的S节点和随机免疫S节点具有相似的控制效果。而对于隔离策略，隔离SI链路上的I节点比随机隔离I节点的效果要好得多。更重要的是，基于社区的检疫策略比基于社区的免疫策略发挥更有效的性能。本研究为人群流行病的预测和预防提供了新的思路。
2012-05-19 physics.soc-ph
Mathematical models for epidemic spreading on complex networks
提出了一个有限复杂网络上的传染病传播模型，该模型限制每个时间步最多只能有一个传染源。由于该过程的高度离散特性，分析不能使用连续近似，而连续近似被广泛用于大多数模型。利用离散方法，我们研究了流行病的阈值和准平稳分布。主要结果是一个定理的混合时间的过程，其规模像对数的网络规模和成正比的距离从流行阈值的倒数。为了全面介绍该模型，我们回顾了基于复杂网络的传染病传播建模的现代方法，并介绍了有关随机网络、离散时间马尔可夫链及其准平稳分布的必要信息。
2013-07-21 cs.SI math.PR physics.soc-ph
Rapid decay in the relative efficiency of quarantine to halt epidemics in networks
最近的几项研究已经解决了最佳网络免疫的问题，提供了有效的标准，以确定关键节点被删除，以打破网络，从而防止发生广泛的流行病爆发。然而，尽管这些标准的效率也在经验网络中得到了证明，但预防性免疫很少应用于现实世界的情况，通常的做法是事后尝试使用检疫措施来控制流行病的爆发。在这里，我们比较预防的效率与隔离的合成和经验拓扑结构上的删除和保存的节点的数量之间的权衡。我们展示了如何，符合常识，但与通常的做法相反，在许多情况下，预防比治疗更好：根据网络结构，在第一次感染后不久，通过隔离来拯救受感染的网络可能会变得低效。
2018-02-21 physics.soc-ph q-bio.PE
Bursty communication patterns facilitate spreading in a threshold-based epidemic dynamics
社会互动的记录为我们提供了新的数据来源，以了解互动模式如何影响集体动态。这种人类活动模式通常是突发的，即，它们由短时间的激烈活动和长时间的沉默组成。这种突发性已经被证明会影响传播现象;它在某些情况下加速传染病传播，在另一些情况下减慢它。我们研究了一个依赖于历史的传染模型。在我们的模型中，易感个体和感染个体之间在短时间内的重复相互作用是易感个体感染所必需的。我们对真实的时间网络数据进行了数值模拟，发现在我们的模型中，突发性活动模式有助于传染病传播。
2012-06-11 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemic spreading on interconnected networks
许多真实的网络并不是彼此孤立的，而是形成网络的网络，通常以非平凡的方式相互关联。在这里，我们分析了一个传染病传播过程发生在两个相互关联的复杂网络之上。我们开发了一个异质平均场的方法，使我们能够计算的条件出现的地方病状态。有趣的是，一个全球性的地方病状态可能会出现在耦合系统中，即使流行病是不能够在每个网络上分别传播，甚至当耦合连接的数量是小的。我们的分析结果成功地面对大规模的数值模拟。
2012-02-18 cond-mat.dis-nn cs.SI physics.soc-ph
Dynamical interplay between awareness and epidemic spreading in multiplex networks
我们提出了两个过程之间的相互关系的分析占流行病的传播，并防止其感染的信息意识，在多重网络的顶部。这种情况是一个流行病的过程中传播的持久的真实接触的网络，和一个循环的信息意识过程中传播的虚拟社会接触网络之间的相同的个人。拓扑结构对应于一个多重网络，其中两个扩散过程相互作用，相互影响。使用微观马尔可夫链方法（MMCA）的分析揭示了流行病的发病率的相图，并允许捕获的流行阈值的演变取决于多路复用的拓扑结构和与意识过程的相互关系。有趣的是，流行病爆发的临界点有一个由意识动态和虚拟网络拓扑定义的临界值（亚临界点），从该临界点开始，爆发时间增加，流行病发生率降低。
2013-09-19 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemic centrality - is there an underestimated epidemic impact of network peripheral nodes?
在SIR模型中研究经验复杂网络上的疾病传播时，初始感染节点可以根据其流行病影响程度进行排序。排名最高的节点，也被称为“超级传播者”，与主要流行病风险有关，因此值得特别关注。在研究经验复杂网络的模拟中，它表明，排名取决于疾病传播的动力学制度。一个可能的机制，导致这种依赖说明在一个易于分析的例子。在系统中的资源分配，以对抗疾病传播到各个节点是基于他们的排名，疾病传播的动态政权往往是未知的疾病爆发之前。因此，我们引入了一个称为流行病中心性的数量，作为疾病传播的所有相关制度的平均值，作为排名的基础。最近引入的概念的相图的传染病传播被用作一个框架，其中几种类型的平均进行了研究。流行中心性相比，节点的结构属性，如节点度，k-核心和介数。随着度和k-核值的增加，流行中心性有增加的趋势，但流行中心性的变化远小于度和k-核值的变化。研究发现，结构外围节点的流行中心性与结构中心节点的流行中心性具有相同的数量级。这些研究结果的影响资源分配，以对抗疾病的传播进行了讨论。
2012-08-08 cs.SI physics.soc-ph q-bio.PE
Impact of origin-destination information in epidemic spreading
接触的网络结构塑造了流行病传播过程。网络理论的最新进展提高了我们对大规模流行病过程的理解。在传染病传播的研究中，仍需对若干考虑因素的相关性进行评估。其中之一是说明传染病携带者流动的来源地和目的地模式的影响。在这里，我们计算始发地-目的地模式兼容的经验数据的粗粒度流在航空运输网络。我们研究的发病率流行病的过程中的集合种群的方法，考虑不同的替代方案的流量先验知识。在数据驱动的情景中，考虑了对来源地和目的地流量的估计，结果证明与在微观层面评估流行病的影响有关（在我们的情景中，哪些人群被感染）。然而，这一信息与评估其宏观发病率（感染人群的比例）无关。这些结果对于实现更好的计算平台来预测流行病发病率是有意义的。
2018-12-24 cond-mat.stat-mech cs.SI physics.soc-ph
Immunization of networks with community structure
在这项研究中，一种有效的方法来免疫模块化网络（即，具有社区结构的网络）。网络免疫的目的是将网络分割成具有少量删除节点的小部分。它的应用包括防止流行病传播，故意攻击网络和保护生态系统。尽管枢纽的优先免疫是有效的，但模块化网络的良好免疫策略尚未建立。在基于特征向量中心性的免疫策略的基础上，我们提出了一个免疫模块化网络的分析框架。为此，我们量化的贡献，每个节点的粗粒度网络模块之间的连接。通过将该方法应用于具有模块化结构的模型和实际网络，验证了该方法的有效性。
2009-12-17 cond-mat.dis-nn physics.soc-ph q-bio.PE
Epidemic Spreading in Weighted Networks: An Edge-Based Mean-Field Solution
权重分布在很大程度上影响网络上发生的传染病传播。本文研究了具有不同权分布的正则随机网络上的易感-感染-易感模型。仿真结果表明，更均匀的权重分布导致更高的流行病，不幸的是，这是不能捕捉到的传统的平均场近似。本文给出了一般权值分布的基于边缘的平均场解，该解能定量再现仿真结果。该方法可用于表征加权网络动力过程的非平衡稳态。
2011-12-24 cs.SI physics.data-an physics.soc-ph
Impact of Heterogeneous Human Activities on Epidemic Spreading
最近的经验性观察表明，人类活动具有多样性。在总体水平上，事件间时间分布的重尾性已被广泛接受，但个体行为是否具有异质性仍存在争议。基于人类活动的时间异质性对传染病传播的影响，研究了完全混合种群上的可感染模型，其中每个个体的行为完全一致，但不同个体的平均活动不同.大量的模拟表明，在人口水平上的活动的异质性显着影响的传播速度，即使每个人的行为有规律。此外，与由重尾事件间时间分布的个体组成的模型相比，该模型的传播速度对系统异质性的变化更为敏感。这项工作完善了我们对异质性人类活动对传染病传播的影响的理解。
2011-06-17 cs.SI physics.data-an physics.soc-ph
Unification of theoretical approaches for epidemic spreading on complex networks
复杂网络上的传染病传播模型因其在预测和控制现实世界中的传染病传播场景方面的成功而引起了物理、数学和流行病学研究者的极大关注。为了理解传染病传播和接触网络拓扑结构之间的相互作用，已经开发了几种杰出的理论方法。一个精确的理论方法描述的传播动力学必须同时考虑网络的拓扑结构和动力学相关性，以增加方程的复杂性为代价。在这个简短的调查中，我们统一了最广泛使用的复杂网络上的传染病传播的复杂性，包括平均场，异质平均场，淬火平均场，动态消息传递，链接渗透，成对近似的理论方法。我们在这些方法之间建立联系，为开发一种准确的理论方法来在复杂网络上传播动态提供新的见解。
2016-12-13 physics.soc-ph
Modeling Epidemic Spreading through Public Transit using Time-Varying Encounter Network
公共交通（PT）网络中的乘客接触可能是传染病传播的关键媒介。本文提出了一个时变加权PT相遇网络模型，通过PT系统的传染病传播。在地方和全球层面的社会活动联系也被考虑在内。我们选择2019冠状病毒病（COVID-19）的流行病学特征作为案例研究，并结合新加坡的智能卡数据来说明城市层面的模型。一个可扩展的和轻量级的理论框架来捕捉时变和异构的网络结构，这使得在整个人口水平上解决问题，具有较低的计算成本。从公共卫生方面和运输方面的不同控制政策进行了评估。我们发现人们的预防行为是控制流行病传播的最有效措施之一。从交通方面看，部分关闭公交线路有助于减缓疫情，但无法完全遏制疫情蔓延。利用智能卡资料识别“有影响力的乘客”，并及早隔离他们，亦可有效减少传染病传播。
2020-11-22 cs.SI physics.soc-ph q-bio.PE
Relevance of backtracking paths in epidemic spreading on networks
网络上的流行病的理解大大受益于最近的应用程序的消息传递方法，它允许获得精确的结果不可逆的传播（即永久获得性免疫的疾病）在局部树拓扑结构。这一成功表明，可以将同样的方法应用于可逆转的流行病，因为个人可以感染流行病并反复康复。基本假设是回溯路径（即一个人被他/她以前感染的邻居再次感染）不起相关作用。在本文中，我们表明，这是不可逆的流行病的情况下，由于忽略回溯路径导致的流行病阈值的公式，是定性不正确的大尺寸限制。此外，我们定义了一个修改后的可逆动力学，明确禁止直接回溯事件，并表明这种修改完全打乱的现象。
2018-10-25 cond-mat.stat-mech cs.SI physics.soc-ph
Phase diagram of epidemic spreading - unimodal vs. bimodal probability distributions
在SIR模型下研究了复杂网络上的疾病传播问题。对经验复杂网络的模拟揭示了两种特定的疾病传播机制：局部遏制和流行病爆发。衡量疾病传播程度的变量一般具有双峰概率分布的特征。介绍了经验复杂网络的疾病传播相图。对多叉树上疾病传播的理论模型进行了分析和模拟研究。结果表明，该模型再现了经验复杂网络中观察到的疾病传播相图的定性特征。讨论了复杂网络的树状结构在疾病传播中的作用。
2009-12-03 physics.soc-ph
