61
个编辑
更改
跳到导航
跳到搜索
创建页面，内容为“一般来说，社会行为和人类流动性模型经常被构建为反应扩散过程，其中每个节点$i$可以容纳任何非负整数$\mathcal{N}(i)$个粒…”
一般来说，社会行为和人类流动性模型经常被构建为反应扩散过程，其中每个节点$i$可以容纳任何非负整数$\mathcal{N}(i)$个粒子，因此系统的总粒子数为$\mathcal{N}=\sum_i\mathcal{N}(i)$。 该粒子——网络框架中的节点内的每个粒子只能沿着连接节点的连边扩散，扩散系数取决于节点度或其他节点属性等。不同系统里的节点内的粒子的反应规则不同。粒子——网络的框架简单示意图如图？？？？？？所示。
为了对网络中的反应扩散系统进行理论上的分析描述，我们允许节点之间具有异质的连接模式。对这些系统的第一种分析方法是考虑将基于度的平均场理论方法扩展到具有任意度分布的网络中的反应扩散系统。简单起见，首先考虑一个任意网络结构的简单系统，其中粒子间没有相互作用或反应，粒子只会在网络上扩散的的情况。因此，通过以度$k$来分类的话，可以将系统简单表示为：
\begin{equation}
\mathcal{N}_k=\frac{1}{N_k}\sum_{i\in\mathcal{V}(k)}\mathcal{N}(i)
\end{equation}
其中$N_k=NP(k)$表示度为k的节点数量，$\mathcal{V}(k)$表示度为$k$的节点集合，$\mathcal{N}_k$表示度为$k$的节点的平均粒子数。基于度的平均场理论假设度为$k$的节点，同理节点中的粒子，在统计上是等效的。在这种近似的假设下，粒子随机扩散的动力学可以由如下平均场理论方程表示：
\begin{equation}
\frac{d\mathcal{N}_k}{dt}=-d_k\mathcal{N}_k(t)+k\sum_{k'}P(k'|k)d_{k'k}\mathcal{N}_{k'}(t)
\end{equation}
方程中的第一项表示每单位时间内有$d_k$部分的粒子从度为$k$的节点中离开，第二项表示粒子从邻居节点扩散到度为$k$的节点中，该项与连边数$k$成正比。条件概率$P(k'|k)$表示的是一条边的一端连接度为$k$的节点时，其另一端指向度为$k'$的概率。$d_{k'k}$表示的是两端连接了度为$k$和$k'$节点的连边的扩散率。在均匀扩散的最简单情况下，每个粒子从其所在的节点以速率$r$扩散，因此沿着每条连边的扩散率为$d_{k'k}=r/k'$。在无关联的网络上，$P(k'|k)=k'P(k')/\left<k\right>$，因此在稳态$d\mathcal{N}/dt=0$时，很容易得到解（Colizza等，2007b； Noh和Rieger，2004）：
\begin{equation}
\mathcal{N}_k=\frac{k}{\left<k\right>}\frac{\mathcal{N}}{N}
\end{equation}
上式显式地给出了系统中粒子扩散的描述，并指出网络拓扑结构在反应扩散过程中的重要性。从式中可以看到，一个节点的度越大，则其被扩散中的粒子访问的可能性就越大。
通过将反应项添加到上述方程中，可以将上述方法推广到具有不同状态的粒子发生反应的情形（Colizza等，2007b）。现在，我们描述在该情形下的SIS模型情况，其中单位时间的感染概率为$\beta$，恢复概率为$\mu$。我们考虑在具有$N$个节点和度分布为$P(k)$的异质网络中扩散的$\mathcal{N}$个个体。网络的每个节点$i$分别具有$I(i)$个感染态个体和$S(i)$个易感态个体（取值为非负整数值）。这种建模体系描述了空间结构相互作用的亚种群，例如城市位置、城市区域或确定的地理区域（Gren fall和Harwood，1997； Hanski和Gaggiotti，2004），并且通常被称为亚种群方法。网络中的每个节点代表一个亚种群，仓室动力学表示了处于相同位置的个体可能会相互接触并根据系统对应的感染动力学改变自身的状态的可能性。亚群之间的相互作用是个体从一个亚种群迁移到另一个亚种群的结果。为简单起见，我们可以假设个体从他们所在的节点离开沿着任意一条连边扩散的概率为$p_I=p_S=1$。这意味着每个时间步，度为$k$的节点上的一个个体将以概率$1/k$扩散到其最近的邻居之一。为了得到系统的动力学方程，我们定义如下的量：
\begin{equation}
I_k=\frac{1}{N_k}\sum_{i\in\mathcal{V}(k)}I(i)
\end{equation}
\begin{equation}
S_k=\frac{1}{N_k}\sum_{i\in\mathcal{V}(k)}S(i)
\end{equation}
其中$\mathcal{V}(k)$表示度为$k$的节点集合。上面的两式表示的是度为$k$的节点的平均感染态和易感态个体数，显然有$\mathcal{N}_k=I_k+S_k$。因此，系统的动力学方程可以表示为
\begin{equation}
I_k(t+1)=k\sum_{k'}P(k|k')\frac{1}{k'}[(1-\mu)I_{k'}(t)+\beta\Gamma_{k'}(t)]
\end{equation}
其中$\Gamma_{k'}(t)$为相互作用的核，是关于$I_{k'}$和$S_{k'}$的函数。该方程是通过考虑在每个时间步，度为$k$的节点上的粒子先发生反应，然后以1的概率从节点扩散出去得到的。在无关联网络的情况下，上式可以写为
\begin{equation}
I_k(t+1)=\frac{k}{\left<k\right>}[(1-\mu)\bar{I}(t)+\beta\Gamma]
\end{equation}
其中$\bar{I}(t)=\sum_k P(k)I_k$表示网络中每个节点的平均感染态个体的数量。$\Gamma=\sum_k P(k)\Gamma_k$。类似地，易感态个体的动力学方程可以表示为
\begin{equation}
S_k(t+1)=\frac{k}{\left<k\right>}[\bar{S}(t)+\mu\bar{I}(t)-\beta\Gamma]
\end{equation}
其中$\bar{S}(t)=\sum_k P(k)S_k$。
为了对网络中的反应扩散系统进行理论上的分析描述，我们允许节点之间具有异质的连接模式。对这些系统的第一种分析方法是考虑将基于度的平均场理论方法扩展到具有任意度分布的网络中的反应扩散系统。简单起见，首先考虑一个任意网络结构的简单系统，其中粒子间没有相互作用或反应，粒子只会在网络上扩散的的情况。因此，通过以度$k$来分类的话，可以将系统简单表示为：
\begin{equation}
\mathcal{N}_k=\frac{1}{N_k}\sum_{i\in\mathcal{V}(k)}\mathcal{N}(i)
\end{equation}
其中$N_k=NP(k)$表示度为k的节点数量，$\mathcal{V}(k)$表示度为$k$的节点集合，$\mathcal{N}_k$表示度为$k$的节点的平均粒子数。基于度的平均场理论假设度为$k$的节点，同理节点中的粒子，在统计上是等效的。在这种近似的假设下，粒子随机扩散的动力学可以由如下平均场理论方程表示：
\begin{equation}
\frac{d\mathcal{N}_k}{dt}=-d_k\mathcal{N}_k(t)+k\sum_{k'}P(k'|k)d_{k'k}\mathcal{N}_{k'}(t)
\end{equation}
方程中的第一项表示每单位时间内有$d_k$部分的粒子从度为$k$的节点中离开，第二项表示粒子从邻居节点扩散到度为$k$的节点中，该项与连边数$k$成正比。条件概率$P(k'|k)$表示的是一条边的一端连接度为$k$的节点时，其另一端指向度为$k'$的概率。$d_{k'k}$表示的是两端连接了度为$k$和$k'$节点的连边的扩散率。在均匀扩散的最简单情况下，每个粒子从其所在的节点以速率$r$扩散，因此沿着每条连边的扩散率为$d_{k'k}=r/k'$。在无关联的网络上，$P(k'|k)=k'P(k')/\left<k\right>$，因此在稳态$d\mathcal{N}/dt=0$时，很容易得到解（Colizza等，2007b； Noh和Rieger，2004）：
\begin{equation}
\mathcal{N}_k=\frac{k}{\left<k\right>}\frac{\mathcal{N}}{N}
\end{equation}
上式显式地给出了系统中粒子扩散的描述，并指出网络拓扑结构在反应扩散过程中的重要性。从式中可以看到，一个节点的度越大，则其被扩散中的粒子访问的可能性就越大。
通过将反应项添加到上述方程中，可以将上述方法推广到具有不同状态的粒子发生反应的情形（Colizza等，2007b）。现在，我们描述在该情形下的SIS模型情况，其中单位时间的感染概率为$\beta$，恢复概率为$\mu$。我们考虑在具有$N$个节点和度分布为$P(k)$的异质网络中扩散的$\mathcal{N}$个个体。网络的每个节点$i$分别具有$I(i)$个感染态个体和$S(i)$个易感态个体（取值为非负整数值）。这种建模体系描述了空间结构相互作用的亚种群，例如城市位置、城市区域或确定的地理区域（Gren fall和Harwood，1997； Hanski和Gaggiotti，2004），并且通常被称为亚种群方法。网络中的每个节点代表一个亚种群，仓室动力学表示了处于相同位置的个体可能会相互接触并根据系统对应的感染动力学改变自身的状态的可能性。亚群之间的相互作用是个体从一个亚种群迁移到另一个亚种群的结果。为简单起见，我们可以假设个体从他们所在的节点离开沿着任意一条连边扩散的概率为$p_I=p_S=1$。这意味着每个时间步，度为$k$的节点上的一个个体将以概率$1/k$扩散到其最近的邻居之一。为了得到系统的动力学方程，我们定义如下的量：
\begin{equation}
I_k=\frac{1}{N_k}\sum_{i\in\mathcal{V}(k)}I(i)
\end{equation}
\begin{equation}
S_k=\frac{1}{N_k}\sum_{i\in\mathcal{V}(k)}S(i)
\end{equation}
其中$\mathcal{V}(k)$表示度为$k$的节点集合。上面的两式表示的是度为$k$的节点的平均感染态和易感态个体数，显然有$\mathcal{N}_k=I_k+S_k$。因此，系统的动力学方程可以表示为
\begin{equation}
I_k(t+1)=k\sum_{k'}P(k|k')\frac{1}{k'}[(1-\mu)I_{k'}(t)+\beta\Gamma_{k'}(t)]
\end{equation}
其中$\Gamma_{k'}(t)$为相互作用的核，是关于$I_{k'}$和$S_{k'}$的函数。该方程是通过考虑在每个时间步，度为$k$的节点上的粒子先发生反应，然后以1的概率从节点扩散出去得到的。在无关联网络的情况下，上式可以写为
\begin{equation}
I_k(t+1)=\frac{k}{\left<k\right>}[(1-\mu)\bar{I}(t)+\beta\Gamma]
\end{equation}
其中$\bar{I}(t)=\sum_k P(k)I_k$表示网络中每个节点的平均感染态个体的数量。$\Gamma=\sum_k P(k)\Gamma_k$。类似地，易感态个体的动力学方程可以表示为
\begin{equation}
S_k(t+1)=\frac{k}{\left<k\right>}[\bar{S}(t)+\mu\bar{I}(t)-\beta\Gamma]
\end{equation}
其中$\bar{S}(t)=\sum_k P(k)S_k$。