基于Multi-Agent复杂网络的自然疫源性疾病计算模型研究

发布时间：2017-11-24 07:07

  本文关键词：基于Multi-Agent复杂网络的自然疫源性疾病计算模型研究

  更多相关文章： Multi-Agent 复杂网络 改进的无标度网络 GIS

【摘要】：自然疫源性疾病在全世界的广泛流行已成为严重的公共卫生问题,社会问题。现在,自然疫源性疾病已经开始在普通人群中扩散,对人们的生命安全造成很大威胁,因而该疾病的防治工作迫在眉睫,急需多种方法来研究自然疫源性疾病的传播与控制问题。针对这个问题,同时根据研究该疾病传播特性的传统仿真方法的不足,结合自然疫源性疾病是一类传染病的特点,提出一种基于Multi-Agent改进的无标度网络传染病传播模型,对模型所涉及的技术进行了深入研究。首先研究了个体Agent的基本特征及Agent的两种基本结构模型,根据两者的结构特征提出了一种适合传染病传播的Agent混合结构模型,分析了Agent的内部构成部件,对Agent决策器应用到的FCM推理模型进行了研究。此外对个体Agent结构形式化模型和规则进行了定义。并根据传染病传播数学模型,构建了传染病仿真模型中个体Agent的状态转化关系。其次基于复杂网络理论知识研究了小世界网络和无标度网络的构造算法,同时研究了度分布计算的解析方法以及无标度网络的演化机制。并根据现实世界中社交网络满足小世界和无标度特性,在BA无标度网络的基础上,通过增添内部边、重连边和给网络节点赋予初始吸引力机制,使改进的网络模型不但具有无标度特性,而且具有小世界特性,更符合仿真模型的要求。此外,通过理论和数据仿真两种方法验证改进的网络模型是无标度网络模型。最后,以复杂网络为指导,采用自下而上的Multi-Agent模拟技术,研究传染病传播与模型中的微观层次个体行为、宏观层次社交网络的互动关系及协同演化机理,构建了基于Multi-Agent改进的无标度网络传染病传播模型,并将传染病仿真模型与GIS平台相结合,通过地图实时渲染更好地展示仿真效果。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5;R51
，

本文编号：1221393