考虑网络流量的无标度网络病毒免疫策略研究

考虑网络交通流量对病毒传播行为的影响,基于平均场理论研究无标度网络上的病毒免疫策略,提出一种改进的熟人免疫机理.理论分析表明,在考虑网络交通流量影响的情况下,当免疫节点密度较小时,随机免疫几乎不能降低病毒的传播速率,而对网络实施目标免疫则能够有效抑制病毒的传播,并且选择度最大的节点进行免疫与选择介数最大的节点进行免疫的效果基本相同.研究还发现,对于网络全局信息未知的情况,与经典熟人免疫策略相比,所提出的免疫策略能够获得更好的免疫效果.通过数值仿真对理论分析进行了验证.关键词：无标度网络病毒传播交通流量免疫策略     

Spreading of periodic diseases and synchronization phenomena on networks

In this paper, we investigate numerically the Susceptible–Infected–Recovered–Susceptible (SIRS) epidemic model on an exponential network generated by a preferential attachment procedure. The discrete SIRS model considers two main parameters: the duration _τ0${\tau }_0$ of the complete infection–recovery cycle and the duration _τI${\tau }_I$ of infection. A permanent source of infection _I0$I_0$ has also been introduced in order to avoid the vanishing of the disease in the SIRS model. The fraction of infected agents is found to oscillate with a period T≥_τ0$T\ge {\tau }_0$. Simulations reveal that the average fraction of infected agents depends on _I0$I_0$ and _τI/_τ0${\tau }_I/{\tau }_0$. A maximum of synchronization of infected agents, i.e. a maximum amplitude of periodic spreading oscillations, is found to occur when the ratio _τI/_τ0${\tau }_I/{\tau }_0$ is slightly smaller than 1/2$1/2$. The model is in agreement with the general observation that an outbreak corresponds to high _τI/_τ0${\tau }_I/{\tau }_0$ values.     

方程x＋y=xyz的正整数解及其应用

本文探讨了非线性方程x＋y=xyz的正整数解，月个正整数的最大公因数和最小公倍数的关系。将结果应用在方程gcd（α1，α2，…，αn）＋1cm（α1，α2，…，αn）=α1，α2，…，αn的求解问题上。     

考虑谣言清除过程的网络谣言传播与抑制

网络谣言传播是网络传播动力学的重要课题之一. 网络谣言传播常常同时混杂谣言感染和谣言清除两个过程, 对这一现象的分析可以帮助我们更好地认识社会网络中的信息传播. 本文在susceptible-infective-refractory谣言传播模型的基础上增加谣言清除者, 定义了谣言感染和谣言清除的规则, 提出SIERsEs谣言传播模型, 建立了模型的平均场方程, 从理论上分析了谣言传播的稳态, 并求解出谣言传播的感染阈值和清除阈值. 仿真计算分析了感染和清除过程同时作用时, 感染率、清除率和网络平均度对谣言传播的影响. 研究发现, 网络平均度过小或过大, 谣言传播稳定后的影响力都将处于低水平. 分析了目标免疫和熟人免疫等传统免疫策略的不足, 针对网络环境下谣言抑制的特点, 提出主动免疫和被动免疫两种网络谣言免疫策略, 并研究了传播者遗忘率、清除者遗忘率和开始免疫时间参数对这两种谣言免疫策略有效性的影响. 需要重视的是: 研究发现一些直观看来有效的谣言抑制措施反而可能提高谣言的影响力. 研究结果有助于深化对于网络传播动力学的理解, 同时为发展有效的网络谣言抑制策略提供新的思路.     

基于传播免疫的复杂网络可控性研究

复杂网络控制反映了人类对复杂系统的认识深度和改造能力. 最新研究成果基于线性系统控制理论建立了复杂网络可控性的理论架构, 能够发现任意拓扑结构的线性时不变复杂网络中控制全部节点状态的最小驱动节点集, 但是该模型未考虑免疫节点或失效节点对控制信号传播的阻断.在继承该模型优点的前提下, 重新构建了基于传播免疫的复杂网络控制模型.在采用分属于随机免疫和目标免疫两种策略的 4个方法确定免疫节点的情况下,分析14个真实网络的可控性.结果表明:如果将网络中度数、 介数和紧密度指标较高的节点作为免疫节点,将极大地提高控制复杂网络的难度. 从而在一定程度上丰富了以往模型的结论.     

时域统计分析在疾病传播动力学中的应用

文章介绍了运用时域统计分析进行疾病传播动力学研究所得到的新结果.在给定某一类疾病的潜伏期和活动期的时域统计分布参数后,该疾病在具有一定感染几率的封闭系统中的传播动力学过程即可通过求解概率微分积分方程来决定.计算结果表明,在经过长时间传播后,该系统的最终被感染率由指数决定,如果τ2＞3,则该系统的最终被感染率可达到100%,因此τ2又称为疾病传播的危险指数.而在疾病传播的初期,新发病例所出现的振荡和间歇行为则由另一个指数τ1决定.这一理论较好地弥补了以往常用的SIR模型对时域统计考虑不足的缺陷,从而对疾病在封闭系统中的传播动力学过程给出理论预测.     

Dynamic properties of epidemic spreading on finite size complex networks

The Internet presents a complex topological structure, on which computer viruses can easily spread. By using theoretical analysis and computer simulation methods, the dynamic process of disease spreading on finite size networks with complex topological structure is investigated. On the finite size networks, the spreading process of SIS （susceptibleinfected-susceptible） model is a finite Markov chain with an absorbing state. Two parameters, the survival probability and the conditional infecting probability, are introduced to describe the dynamic properties of disease spreading on finite size networks. Our results can help understanding computer virus epidemics and other spreading phenomena on communication and social networks. Also, knowledge about the dynamic character of virus spreading is helpful for adopting immunity policy.     

Deconstructing Wigner’s density matrix concerning the mind-body question

In honor of the centennial of Eugene Wigner’s birth, a possible interpretation is given of the density matrix appearing in his classic paper, “Remarks on the mind-body question.” It is argued that nearinstantaneous vanishing of the quantum coherences of the reduced density matrix of the measured object would occur either in the case of Wigner’s friend, or in the case of any complex measuring automaton (conscious or not) making the measurement.     

花簇分形无标度网络中节点影响力的区分度

大量研究表明分形尺度特性广泛存在于真实复杂系统中, 且分形结构显著影响网络上的传播动力学行为. 虽然复杂网络的节点传播影响力吸引了越来越多学者的关注, 但依旧缺乏针对分形网络结构的节点影响力的系统研究. 鉴于此, 本文基于花簇分形网络模型, 研究了分形无标度结构上的节点传播影响力. 首先, 对比了不同分形维数下的节点影响力, 结果表明, 当分形维数很小时, 节点影响力的区分度几乎不随节点度变化, 很难区分不同节点的传播影响力, 而随着分形维数的增大, 从全局和局域角度都能很容易识别网络中的超级传播源. 其次, 通过对原分形网络进行不同程度的随机重连来分析网络噪声对节点影响力区分度的影响, 发现在低维分形网络上, 加入网络噪声之后能够容易区分不同节点的影响力, 而在无穷维超分形网络中, 加入网络噪声之后能够区分中间度节点的影响力, 但从全局和局域角度都很难识别中心节点的影响力. 所得结论进一步补充、深化了基于花簇分形网络的节点影响力研究, 研究结果对实际病毒传播的预警控制提供了一定的理论借鉴.     

一类SEIRS型流行病的细胞自动机模型

本文通过分析SEIRS类流行病,建立了该类疾病的二维概率细胞自动机模型。在二维中,每个细胞的状态代表易感者,潜伏者,患者,恢复者（或免疫者）和死亡者五个部分个体之一。我们研究了两种情况下,即对潜伏者和患者隔离与不隔离将对疾病转播的影响。经研究我们发现,如果不隔离疾病将持续流行,而及时的隔离则将会减缓疾病的流行。本模型给出了对具体疾病利用细胞自动进行仿真的算法。我们发现当恢复者的失去免疫力大于时,疾病潜伏者和患者的密度序列将在正平衡点附近振荡。最后,我们用计算机对模型进行了仿真。