Critical mobility in policy making for epidemic containment
该研究构建流动性与接触耦合的智能体模型，发现诱发重大疫情的临界流动性，并据此提出可抑制发病高峰与反复波次的缓解框架。
2024-05-09 cs.MA physics.soc-ph q-bio.PE
Optimal Containment of Epidemics in Temporal and Adaptive Networks
在本章中，我们重点讨论了在时间网络和自适应网络中控制疾病传播的问题（即，其结构“适应"疾病状态的网络）。我们特别关注的问题是找到遏制资源的最佳分配（例如，疫苗、医务人员、交通管制资源等）消除流行病爆发的时间和自适应网络的以下三个模型：（i）马尔可夫时间网络，（ii）聚合马尔可夫时间网络，（iii）随机自适应模型。对于每一个模型，我们提出了一个严格和易于处理的数学框架，有效地找到控制资源的最佳分配，以消除疾病。与其他现有的结果相比，我们的结果不是基于启发式控制策略，而是基于纪律分析，使用工具从动力系统和凸优化。
2016-12-20 cs.SI math.OC physics.soc-ph
In Response to COVID-19: Configuration Model of the Epidemic Spreading
提出了一种基于无标度网络的传染病传播结构模型。我们得到的解析解描述了传染病传播的不稳定和稳定的动力学，并演示了如何这些制度可以在流行病的交换。我们将该模型应用于COVID-19病例，并展示了我们模型的预测特征。
2020-07-08 physics.soc-ph q-bio.PE q-bio.QM
Exponential rate of epidemic spreading on complex networks
本文针对复杂网络上传染病初始阶段的指数传播速率展开研究，基于度分布、网络 assortativity 和聚类水平推导出网络再生数表达式并关联其与疾病传染性及传播速率，结果适用于多数网络，填补了经典流行病学与复杂网络理论的空白。
2025-04-18 cond-mat.stat-mech physics.soc-ph q-bio.PE
Ostwald growth rate in controlled Covid-19 epidemic spreading as in arrested growth in quantum complex matter
在此，我们着重对启动不同遏制政策的国家的COVID-19疫情传播增长情况进行数据分析。众所周知，大流行病传播的增长在其临界点是指数级的，但不知道如何量化不同遏制政策的成功。我们确定，一个成功的方法给出了一个逮捕相制度后的奥斯特瓦尔德增长，其中，随着时间的推移，一个阶段转化为另一个亚稳相具有类似的自由能观察到的氧间隙扩散在量子复杂的物质和蛋白质的结晶。我们引入S因子，量化衡量所采取遏制政策的效率和速度，这不仅对监测COVID-19大流行的传播非常有帮助，而且对其他国家选择最佳遏制政策也很有帮助。结果表明，基于联合隔离、有针对性的检测和追踪阳性病例的政策是最快速的大流行遏制政策;事实上，我们发现中国、韩国和意大利的成功s因子值分别为9、5和31，其中最低的s因子表示最佳遏制政策
2020-03-29 cond-mat.other physics.soc-ph q-bio.PE
Epidemic spreading with nonlinear infectivity in weighted scale-free networks
本文研究了具有非线性传染性的加权无标度网络SIR模型的传染病传播问题，其中我们的解析模型中的传染率是加权的。具体地说，我们将传染性指数$α$和权重指数$β$引入到解析SIR模型中，考察了$α$和$β$的组合对传染阈值和相变的影响.通过调整$α$和$β$的值，可以将流行阈值重建为一个有限值，并观察到稳定的流行率$R$在早期以指数形式增长，然后遵循分层动态。此外，我们还发现$α$比$β$更敏感地转换流行阈值和流行率，这可能为流行病传播和相关免疫方案提供一些有用的信息或新的见解。
2009-03-05 physics.soc-ph q-bio.PE
Optimal Containment of Epidemics over Temporal Activity-Driven Networks
在本文中，我们研究了发生在时间和自适应网络中的流行病过程的动力学。在活动驱动网络模型的基础上，提出了一个自适应的传染病过程模型，该模型中网络拓扑结构的动态变化既受独立于传染病动态的外生因素的影响，也受个体针对感染状态所采取的内生预防措施的影响.使用马尔可夫过程的模型的直接分析涉及转移概率矩阵的谱分析，其大小随节点数呈指数增长。为了克服这一限制，我们推导出一个上限的衰减率的感染节点的数量方面的特征值的$2 \times 2$矩阵。使用这个上限，我们提出了一个有效的算法来调整参数描述的内源性预防措施，以遏制随着时间的推移流行病。我们通过数值模拟证实了我们的理论结果。
2018-02-25 cs.SI math.OC physics.soc-ph
Dynamics of epidemic spreading with vaccination: impact of social pressure and engagement
在这项工作中，我们考虑了一个模型的传染病传播加上一个观点动力学在一个完全连接的人口。关于观点动力学，个体可能处于两种不同的状态，即赞成或反对疫苗接种运动。反对接种疫苗的个人遵循标准SIS模型，而支持疫苗的个人也可以处于第三个区室，即已接种疫苗。此外，意见的变化，根据多数规则的动态群体与三个人。我们亦认为疫苗可为个别人士提供永久或暂时的免疫力。通过分析计算和计算机模拟，我们表明，观点动力学可以极大地影响疾病的传播，和亲疫苗的个人的参与可能是至关重要的，以阻止传染病传播。模拟模型的完整数值代码可以从作者的网页上获得。
2016-10-03 cond-mat.stat-mech physics.soc-ph q-bio.PE
Self-awareness based resource allocation strategy for containment of epidemic spreading
个体之间的资源支持对于控制或减轻传染病传播尤其是在大流行期间尤其重要。然而，问题仍然是，我们如何能够保护自己不被感染，同时通过捐赠资源帮助他人抗击这一流行病。为了回答这个问题，我们提出了一个新的资源分配模型，考虑到个人的自我保护意识。在该模型中，引入了一个调整参数来量化个体在意识到疾病时的反应强度。在此基础上，建立了一个资源分配与疾病传播的耦合模型，研究了自我意识对资源分配的影响以及对传染病传播动力学的影响。通过理论分析和大量的蒙特卡罗模拟，我们发现在稳态下，系统收敛到两种状态：完全健康或完全感染，这表明当资源短缺时，患病率会突然增加。更重要的是，我们发现，在疫情爆发期间，对人民过于谨慎和过于无私，都不适合疾病控制。通过大量的模拟，我们找到了最佳点，在那里有一个最大值的流行阈值，爆发可以延迟到最大程度。最后，我们进一步研究了网络结构对耦合动力学的影响。我们发现，度的异质性促进了疾病的爆发，而网络结构并没有改变行为反应的最优现象。
2020-02-07 physics.soc-ph q-bio.PE
Targeted Recovery as an Effective Strategy against Epidemic Spreading
我们提出了一个有针对性的干预方案，其中恢复仅限于具有最少数量的感染邻居的个人。我们的恢复策略在任何类型的网络上都是高效的，因为与自发恢复的基线场景相比，流行病爆发是最小的。在空间嵌入式网络的情况下，我们发现，一种流行病保持强烈的空间限制与特征长度尺度经历随机游走。我们证明了数值和分析，这种动力学导致一个流行点，具有平坦的表面结构和半径，线性增长的蔓延率。
2017-10-16 physics.soc-ph q-bio.PE
SEAIR epidemic spreading model of COVID-19
我们研究了COVID-19的易感-暴露-隔离-传染-隔离（SEAIR）传染病传播模型。它抓住了COVID-19传染性的两个重要特征：延迟开始和在症状出现之前出现，甚至完全没有症状。在随机正则图和复杂网络上，分别对该模型进行了连续时间分区和离散时间分区的理论分析。我们分析表明，有流行病的阈值和方程的易感人群在地方病平衡在所有三个版本，当流行病是弱的。我们提供的理论论据，一个节点的特征向量中心性近似决定其被感染的风险。
2020-08-28 physics.soc-ph q-bio.PE
Self-isolation or borders closing: what prevents epidemic spreading better?
COVID-19在世界范围内的流行分布促使我们讨论网络聚类和自适应性对传染病传播的综合影响。我们解决的问题，最有效地禁止疾病传播的连接网络的最佳机制的选择：自适应聚类，模仿自我隔离（SI）在当地社区，或尖锐的即时聚类，这看起来像城市和国家之间的边界关闭（FC）。SI-网络是在整个网络中小集团最大化的条件下“自适应生长”的，而FC-网络是“即时创建”的。在聚类SI-和FC-网络上运行标准SIR模型，我们证明了自适应网络聚类比具有相似参数的网络中的即时聚类更好地抑制传染病传播。我们发现SI模型对于临界指数$-2<η<-1$较小的度分布$P(k)\sim k^η$具有无标度特性，并认为无标度特性的出现是由于初始度分布的随机性，而对于随机正则图则不存在.
2020-04-07 cond-mat.dis-nn physics.soc-ph q-bio.PE
Effects of human dynamics on epidemic spreading in Côte d'Ivoire
了解和预测传染病的爆发对于社会发展和公共卫生至关重要，特别是对于不发达国家。然而，由于受空间结构和人类动力学（包括人类流动性和人类互动强度）影响的复杂流行病传播动力学，因此遇到了挑战性问题。我们提出了一个系统的模型来描述科特迪瓦全国范围内的流行病传播，它集成了多个因素，如人员流动，人际交往强度，人口特征。通过数据驱动的模拟和理论分析，我们提供了一些见解，以帮助建模和预测流行病传播过程，这超出了局部评估和几何视图的范围。我们表明，当地的平均基本生殖数大于1的要求是不必要的流行病的爆发。观察到的扩散现象可以粗略地解释为一个异质的扩散反应过程，通过重新定义移动距离，根据节点之间的人的移动量，这是超越几何的观点。然而，人类动力学的异质性仍然对精确预测提出了挑战。
2016-04-30 physics.soc-ph q-bio.PE
Suppressing epidemic spreading by risk-averse migration in dynamical networks
本文研究了动态网络中个体行为与传染病传播之间的相互作用。我们将代理分布在具有周期性边界条件的正方形区域上。每个智能体都被看作是网络的一个节点，如果两个智能体之间的地理距离小于一定的半径，则在两个智能体之间建立无线链路。每一次，每一个智能体都要评估疫情，做出是留在原地还是离开原地的决定。如果受感染邻居的数量达到或超过临界值$E$，代理将以一定速度离开当前位置。由于代理人的运动，网络的结构是动态的。有趣的是，我们发现存在一个最佳值的$E$导致的最大流行阈值。这意味着传染病传播可以通过规避风险的移徙得到有效控制。此外，我们还发现，随着恢复率的增加，随着接触半径的增加，并通过一个最佳的移动速度最大化的流行阈值增加。我们的研究结果提供了一个更深入的了解动态网络中的传染病传播。
2018-02-05 physics.soc-ph q-bio.PE
A markovian random walk model of epidemic spreading
我们分析了一个图上的独立随机游走种群的动力学，并建立了一个简单的传染病传播模型。我们假设每个步行者独立地访问有限遍历图的节点在离散时间马尔可夫行走由他的特定的转移矩阵。在这个假设下，我们首先推导出再生数的上界。然后，我们假设一个步行者处于以下状态之一：易受感染、感染或康复。一个有传染性的步行者在一定的特征时间内保持传染性。如果一个有传染性的步行者在同一个节点上遇到一个易感的步行者，那么易感的步行者就有一定的概率被感染。通过在计算机模拟中实现这一假设，我们研究了新出现的感染模式的时空演变。一般来说，随机游走方法似乎有很大的潜力，研究传染病传播，并确定相关参数的流行病动力学。
2020-10-15 cond-mat.stat-mech math.PR physics.soc-ph
Epidemic spreading in evolving networks
在无标度稳态网络的情况下，建立了一个传染病传播模型，并对该模型进行了分析。结果发现，与人们天真的预期相反，重新布线的过程通常倾向于抑制传染病传播。特别是它被发现，在静态网络中，重新布线网络的度分布指数$γ>3$表现出一个阈值的感染率低于该流行病在稳定状态下消亡。然而，在重新布线的情况下，阈值更高。对于$2<γ\leq 3$，不存在这样的阈值，但是对于小的感染率，感染节点的稳态密度（流行率）对于重新布线网络是较小的。
2010-01-22 cond-mat.stat-mech physics.soc-ph q-bio.OT
Small inter-event times govern epidemic spreading on temporal networks
就像人类和动物互动网络的度一样，互动之间的时间分布通常是右偏和厚尾的。这两种分布都强烈地影响着流行病的动态，但是，正如我们在这封信中所展示的那样，原因非常不同。尽管尾部的高度对于促进流行至关重要，但控制流行动态的是小间隔时间。我们研究了这种效果的分析和数值不同版本的易感-感染-感染模型对不同类型的网络。
2020-04-09 physics.soc-ph q-bio.PE
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
Efficiency of Covid-19 Mobile Contact Tracing Containment by Measuring Time Dependent Doubling Time
新型冠状病毒（严重急性呼吸道综合征SARS - CoV-2）的COVID-19疫情一直在全球蔓延。虽然采用了不同的遏制政策，使用非药物干预措施，其效率是不知道量化。我们表明，倍增时间Td（t）与成功的因素，特征时间的指数增长的Td（t）在逮捕制度，是一个可靠的工具，早期预测的流行病传播时间的演变，它提供了一个定量的衡量成功的不同遏制措施。使用强制性移动联系人追踪的遏制策略锁定案例发现移动追踪（LFT）的效率远远高于伦敦帝国理工学院团队提出的锁定停止和去（LSG）策略。一个非常低的S因子，LFT政策，给出了最短的时间宽度的圆顶的积极的情况下，曲线和最低的死亡人数。LFT政策能够将新冠肺炎疫情前100天的死亡人数减少100倍，将新冠肺炎大流行穹顶的时间宽度减少2.5倍，并迅速阻止新的疫情爆发，避免第二波疫情
2020-07-29 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
Optimizing Hybrid Spreading in Metapopulations
University College London（伦敦大学学院）；National University of Defense Technology（国防科技大学）；Monash University（莫纳什大学）
本研究构建了混合流行病理论框架，发现临界混合传播现象，即单一机制无效而组合可致巨大疫情，为优化有益传播与评估有害疫情提供策略。
2015-03-31 cs.AI cs.SI physics.soc-ph
Effects of city-size heterogeneity on epidemic spreading in a metapopulation: A reaction-diffusion approach
我们回顾并介绍了一个广义的反应扩散方法，传染病传播的集合种群建模为一个复杂的网络。集合种群由易感和受感染的个体组成，这些个体被分组为亚群，这些亚群象征着城市和村庄，这些城市和村庄通过人类在交通网络中的旅行而耦合。通过分析方法和数值模拟，我们计算了感染者在长时间限制的metapoluation中的比例，以及表征将流行病与非流行病阶段分开的流行病阈值的相关参数。在这个模型中，我们研究了异构网络拓扑结构和异构子种群大小分布的影响。这样的系统适用于流行病建模，其中小村庄和大城市同时存在于集合种群中。我们发现，异质性条件导致的流行病阈值是一个非平凡的函数的反应速率（局部参数），网络的拓扑结构（全局参数）和交叉人口规模，区分“村庄动态”从“城市动态”。
2012-11-09 physics.soc-ph q-bio.PE
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
Immunization of traffic-driven epidemic spreading
本文研究了利用免疫策略控制交通驱动型传染病传播的问题。我们分别考虑了随机、基于度和基于介数的免疫策略。研究发现，基于介数的免疫策略可以最有效地预防交通驱动型疫情的爆发。此外，我们还发现，随着传播速率和数据包生成速率的提高，超过免疫节点数时，传染病就会消亡。
2018-02-05 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
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
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
Optimal immunity control by social distancing for the SIR epidemic model
在找到针对SARS-CoV-2冠状病毒的疫苗或疗法之前，实现群体免疫似乎是唯一的中期选择。然而，如果感染个体的数量减少，并最终消退，仅超过这一阈值，相当大比例的易感者仍可能被感染，直到流行结束。在没有疫苗或治疗方法的最坏情况下，控制策略可能是最好的政策。为了将新感染者的数量保持在最低限度，一个可能的策略是采取严格的控制措施，使易感个体的数量保持在接近群体免疫力的水平。这种行动是不现实的，因为遏制只能持续有限的时间，而且永远不会彻底。在这篇文章中，使用一个经典的SIR模型，我们确定（部分或全部）遏制策略在一个给定的有限的时间间隔，最大限度地增加易感个体的数量在一个无限的地平线上，或等价地，最小化总的感染负担在诅咒的流行病。证明了该最优策略的存在唯一性，并对后者进行了充分刻画。如果在实践中适用，这种策略理论上将导致无限范围内易感人群比例增加30%，其遏制水平与法国2020年3月至5月实施的卫生措施相对应。我们还分析了最小干预时间达到一个固定的距离从群体免疫，并显示与前一个问题的关系。仿真结果表明，并验证了理论结果。
2020-06-10 math.OC physics.soc-ph q-bio.PE
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
Generalized group-based epidemic model for spreading processes on networks: GgroupEM
我们开发了一个广义的基于群体的流行病模型（GgroupEM）框架，用于任何分区流行病模型（例如：易感染-易感，易感染-恢复，易感染-暴露-感染-恢复）。这里，组由单个节点的集合组成。该模型可以用来理解一个随机传染病传播在非常大的复杂网络中的重要动态特性，是关于群体状态的信息。通过分组聚集节点，以聚集误差为代价使状态空间比基于个体的方法小，且聚集误差受等周不等式的强约束。我们还开发了一个平均场近似的框架，以进一步减少状态空间的大小。最后，我们将GgroupEM扩展到多层网络。由于基于组的框架在计算上比基于个体的框架更便宜且更快，因此当模拟时间很重要时，该框架是有用的。
2019-08-16 physics.soc-ph q-bio.PE
Traffic-driven epidemic spreading on scale-free networks with tunable degree distribution
研究了度分布可调的无标度网络中流量驱动的传染病传播问题。网络的异质性由幂律度分布的指数$γ$控制。发现流行阈值在约$γ=2.2$处最小化。此外，我们发现具有较大算法介数的节点更容易被感染。我们希望我们的工作提供新的见解的影响网络结构的交通驱动的传染病传播。
2018-02-05 physics.soc-ph
Effects of social distancing and isolation on epidemic spreading: a dynamical density functional theory model
为防止冠状病毒病COVID-19等流行病传播，保持社交距离及隔离受感染人士至关重要。然而，现有的反应扩散方程的流行病传播是无法描述这些影响。我们提出了一个扩展的疾病传播模型相结合的SIR模型与动态密度泛函理论，明确考虑到社会距离和隔离的感染者。该模型显示了有趣的非平衡相分离与减少感染的数量，并允许新的见解控制流行病。
2020-05-08 physics.bio-ph physics.soc-ph q-bio.PE
Effects of Levy Flights Mobility Pattern on Epidemic Spreading under Limited Energy Constraint
近年来，大量的实证研究发现，动物的觅食、迁徙和人类的出行都服从Levy飞行，其指数在-2左右。受今年甲型H1N1流感大流行的启发，本文从网络视角研究了征费航班的流动模式对传染病传播的影响。在总能量的约束下，构造了一个具有Levy飞行空间性质的空间加权网络。能量限制由个体在一定时间段内的总旅行距离的限制来表示。我们发现指数-2是SIS传播动力学的流行阈值。此外，在阈值处，流行病传播的速度最高。研究结果有助于理解流动模式对传染病传播的影响。
2010-02-05 physics.data-an physics.soc-ph
Suppressing traffic-driven epidemic spreading by adaptive routing strategy
近年来，流量驱动的传染病传播路由策略的设计受到越来越多的关注。在本文中，我们提出了一种自适应路由策略，通过一个可调的参数$h$，将拓扑距离与当地的流行病信息。在无拥塞的情况下，存在一个最优的路由参数$h$值，导致最大的流行阈值。这意味着与静态最短路径路由方案相比，自适应路由可以更有效地控制传染病传播。此外，我们还发现，在节点传输容量有限的情况下，最优的$h$值可以极大地缓解业务拥塞。我们希望我们的工作提供了新的见解动态路由交通驱动的传染病传播的影响。
2018-02-05 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
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
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
Equivalence between non-Markovian and Markovian dynamics in epidemic spreading processes
一个一般的形式主义，允许网络上的非马尔可夫过程的稳态减少到等价的马尔可夫过程在相同的基板。传染病传播过程的例子被认为是详细的，所有的非马尔可夫方面被捕获在一个单一的参数，有效的感染率。值得注意的是，这一结果与底层网络的拓扑结构无关，正如二维晶格和各种类型的随机网络的数值模拟所证明的那样。此外，引入了有效感染率的解析近似，这使得非马尔可夫动力学的临界点和临界指数的计算成为可能。
2017-01-10 cond-mat.stat-mech physics.soc-ph
Non-Markovian SIR epidemic spreading model
我们引入了非马尔可夫SIR传染病传播模型的启发COVID-19的特点，通过考虑离散和连续时间版本。潜伏期、延迟传染性和恢复期的分布用一般函数建模。通过对这些函数进行相应的选择，证明了该模型退化为经典的马尔可夫情形。流行病的阈值是解析确定的任意函数的传染性和恢复和数值验证。该模型的相关性通过对2020年春季意大利第一波疫情的建模来展示。
2021-11-22 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
Steady States of Epidemic Spreading in Small-World Networks
考虑一个标准的\textit{susceptible-infected-susceptible}（SIS）模型，研究小世界网络中传染病传播的稳态行为.使用分析方法和大规模的模拟，我们恢复通常的流行病的行为与一个临界阈值$λ_{c}$以下的传染病消亡。而对于远高于$λ_{c}$的扩散率$λ$，发现作为$λ$的函数的感染个体密度$ρ$具有性质$ρ\approx F(K)(\ln λ- \ln λ_{c})$。
2005-09-01 physics.soc-ph
Epidemic Spreading and Digital Contact Tracing: Effects of Heterogeneous Mixing and Quarantine Failures
通过安装在移动电话上的数字跟踪应用程序进行接触者追踪是控制传染病传播的重要工具。它的有效性可以通过修改用于分析接触网络的渗流和连通性的标准方法来量化。我们将此框架应用于具有不同程度分布，应用程序用户数量和隔离失败概率的网络。此外，我们还研究了同质性和异质性的结构化群体以及学位目标应用分布的可能性。我们的研究结果是基于显式模拟和平均场分析相结合。他们指出，可以有重大差异的流行病的规模和流行病的概率，这是等价的正常SIR过程。此外，程度的异质性被认为是特别重要的流行阈值，但没有那么多的流行规模。跟踪导致中断的概率不如应用程序采用率重要。最后，在应用程序采用方面，强烈的同质性和特别是异质性都是有害的。总的来说，流行动力学对我们测试的所有参数值都非常敏感，这使得估计数字接触者追踪效果的问题成为一个固有的多维问题。
2022-04-19 cond-mat.dis-nn cond-mat.stat-mech cs.SI
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
Epidemic oscillations induced by social network control: the discontinuous case
传染病传播可透过采取隔离措施（如社交距离及封锁）予以遏止。然而，当这些措施放松时，可能会出现新的流行病浪潮和感染周期。在这里，我们探讨了这个问题，在分区流行病模型的不连续控制的情况下，在人口的感染状态和其社会网络的结构之间存在反馈的图。我们表明，在随机图中的遏制措施的效果是简单地捕获的有效感染率，占网络的分支比的变化的重正化。在我们的简单设置中，可以使用分段平均场近似来导出流行病波的数量和长度的解析公式。使用不完全信息模型的一个变体对巴斯克地区和伦巴第地区最近的新冠肺炎疫情数据进行建模，我们估计了封锁期间社交网络中断的程度，并描述了动态吸引子的特征。
2020-12-04 physics.soc-ph q-bio.PE
Exploiting Cellular Data for Disease Containment and Information Campaigns Strategies in Country-Wide Epidemics
人口流动是疾病在人口中传播的关键因素之一。遏制策略通常是基于粗粒度的假设，在运动场景设计。移动电话数据提供了一个独特的机会，可以根据有关一个地区或一个国家的人员流动的非常精确的信息建立模型和制定战略。另一个非常重要的方面是人口的基本社会结构，这在设计宣传运动以促进疫苗接种和预防措施方面可能发挥根本作用，特别是在家庭（或部落）结构牢固的国家。在本文中，我们分析了一个大规模的数据集，描述了大量的个人在象牙海岸的流动性和呼叫模式。我们提出了一个模型，该模型描述了疾病如何通过利用从现有数据中提取的人的流动模式在全国范围内传播。然后，我们模拟了几种流行病的情况下，我们评估机制，以遏制疾病的流行传播，根据有关人员流动和社会关系的信息，也从电话数据收集。更具体地说，我们发现，限制流动性并不能延迟地方病状态的发生，基于社会群体成员之间一对一电话交谈的信息运动可能是一种有效的对策。
2013-06-19 cs.SI physics.soc-ph
Antivax movement and epidemic spreading in the era of social networks: Nonmonotonic effects, bistability and network segregation
在这项工作中，我们解决了一个多耦合动力学的复杂网络与可调结构隔离。具体来说，我们在疫苗接种运动下与支持和反对疫苗的代理人一起研究网络化的传染病传播。我们的研究结果表明，这种耦合动力学表现出无数的现象，如伴随着双稳态的非平衡转变。此外，我们观察到一个中间最佳隔离水平的出现，其中社区结构增强了对疫苗接种的负面意见，但违反直觉地阻碍了-而不是有利于-全球疾病传播。因此，我们的研究结果表明，疫苗接种运动应避免最终隔离过度反疫苗群体的政策，使他们有效地发挥回声室的作用，在其中个人寻求确认，而不会危及整个人口的安全。
2021-08-24 physics.soc-ph q-bio.PE
Epidemic Spreading and Aging in Temporal Networks with Memory
时变网络拓扑结构可以深刻地影响由它们介导的动力学过程。人们还知道，个体之间互动模式中的记忆效应会影响扩散和传播现象的发生。在本文中，我们分析了这两种成分对网络上流行病动力学的综合影响。在最近引入的具有记忆的活动驱动网络上，研究了易感染-易感染（SIS）和易感染-易感染-移除（SIR）模型。通过基于活动的平均场方法，我们推导出，在很长的时间限制，分析预测的流行阈值作为一个函数的参数描述的活动分布和记忆效应的强度。我们的研究结果表明，记忆降低了阈值，这是相同的SIS和SIR动态，因此有利于传染病传播。在长时间渐近状态下，理论计算与数值模拟结果完全一致。强的老化效应存在于前渐近制度和流行病的阈值深受流行病的开始时间的影响。我们详细讨论了依赖于模型的前渐近校正的起源，其理解可能允许相关的时间网络的流行病控制。
2018-12-19 cs.SI physics.soc-ph q-bio.PE
Effect of Heterogeneous Transmission Rate on Epidemic Spreading Over Scale Free Networks
研究了具有幂律度分布和异质传播率的复杂网络中的传染病传播问题。传染病传播率的随机分配导致了节点的异质性，这反过来又导致了节点在各种子种群方面的隔离。这项研究的目的是获得微观洞察的影响，在疾病的传播过程中，通过这种网络的各个亚群之间的相互作用。基于疾病传播的易感感染易感（SIS）模型，用离散时间马尔可夫链方法描述了传染病在网络上的传播。该研究是参数化的变量$λ$，定义为一个节点与其相邻节点的分数接触的数量。从模拟结果中，它被发现，在这样的网络上的流行病的传播是关键的最小接触的数量由一个节点，低于没有爆发的疾病。在这些网络中的感染程度进行评估，从定义的感染节点的总数和相应的感染水平的分数方面的流行病的大小。参数研究的结果表明，流行病的规模上的并发接触由一个节点（$λ$）和每个节点的平均链接数的依赖。在这两种情况下，发现流行病的规模随着相应参数的增加而增加。
2016-07-18 physics.soc-ph q-bio.PE
Memory-induced complex contagion in epidemic spreading
尽管流行病模型已经发展成为预测疾病和观点传播的强大工具，但大多数模型都假设无记忆代理和独立的传播渠道。我们开发了一种感染机制，它具有对过去暴露的记忆，同时结合了多种感染源的联合作用。非结构化基质中的易感-感染-易感模型的分析方程和模拟揭示了一个额外阶段的出现，该阶段将通常的健康和流行相分离。这个中间阶段显示出根本不同的特点，系统表现出兴奋性或异国情调的双稳态变体。此外，向地方病的过渡呈现出混合的方面。这些功能是两种记忆模式之间的复杂平衡的产物，并表明非马尔可夫效应显着改变传播过程的属性。
2019-03-04 physics.soc-ph q-bio.PE
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
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
