人类行为模式对流行病传播影响的研究

发布时间：2017-08-24 03:34

  本文关键词：人类行为模式对流行病传播影响的研究

  更多相关文章： 复杂网络 博弈理论 流行病 人类行为

【摘要】：人类移动行为模式和心理行为模式对流行病传播有很大地影响。根据人类行为模式,构建符合实际的流行病传播模型,提出遏制流行病传播的方案是目前网络传播学研究亟待解决的问题。基于复杂网络和博弈理论,通过分析流行病传播动力学特征,本文研究了人类行为模式是如何影响流行病传播的。基于网络拓扑结构的变化及个体的避规心理,文章的第三章至第六章研究了人类移动行为和心理行为对流行病传播的影响。首先我们研究了二分网络中个体的风险意识对病毒传播的影响。基于实际情况,考虑一些特殊的疾病只会在不同类型的个体间传播,运用二分网络模型研究了这类疾病传播动力学行为。考虑到个体的风险意识,基于平均场方法,理论计算出了疾病传播阈值。结果表明随着个体风险意识的提高,疾病传播的范围将会越来越小。然后研究了度依存传播率下有变异的流行病传播模型。考虑不同感染节点传播率的差异,我们研究了有病毒变异的流行病传播模型。基于平均场理论,理论计算出了BA无标度网络和ER随机网络中流行病传播阈值。接下来研究了有模块的活动驱动网络中流行病传播。首先我们研究了SIS流行病传播模型。通过理论推导,我们得出了有模块的活动驱动网络中流行病传播阈值。结果表明,流行病传播阈值仅仅与节点的活化性和活化节点每一时间步连接的节点数目有关,而与社团内节点间的连接方式无关。然后我们研究了感染驱动免疫模型,结果表明随着个体敏感性的增加,感染者密度将会减少,免疫者密度将会增加。感染驱动免疫有助于控制流行病传播。最后研究了活动驱动网络中异质感染率对流行病传播的影响。我们提出了一个新的个体活化性与传播率相关的流行病传播模型。基于平均场方法,获得了在活动驱动网络中流行病传播的阈值。同时,我们理论计算出了在不同的免疫措施下的流行病传播阈值。基于仿真结果,如果个体患病概率与其活化性有较强的相关性,那么网络中总的被感染人数将会降低。然而,当个体患病概率与其活化性的相关性较小,那么网络中总的被感染人数将会增加。此外,通过比较随机免疫和目标免疫得出,免疫那些活化性较高的个体是一个有效地控制流行病传播的措施。基于博弈思想和个体免疫行为,文章的第七章至第九章研究了人类心理行为对流行病传播的影响。首先我们分析了资源有限下可视性对个体行为的影响。从网络结构的角度分析并比较了在资源有限下,可视性对个体间合作的影响。合作能够给整个种群带来利益,因此随着个体间博弈次数的增加,在任何的网络连接方式下都会有较多的个体愿意采取合作措施。然而,在不同的初始可视性水平下,网络结构对个体是否愿意合作有显著的影响。在相对均匀的网络中,合作者密度会随着初始可视性程度的增加而增加；然而,在非均匀网络中,合作者密度会随着初始可视性程度的增加而减小。此外,相对均匀的网络中个体的平均收益大于非均匀网络中个体的平均收益。格子网络中可视个体的平均收益大于非可视个体的平均收益,而BA无标度网络中可视个体与不可视个体的平均收益几乎相同。个体的周围环境优越时,个体更倾向于背叛。接下来我们研究了记忆和从众心理对个体免疫的影响。通过研究表明,随机网络中“搭便车”者的密度比无标度网络较多,而且随机网络中个体总收益多于无标度网络中个体的总收益。比对ER随机网络,BA无标度网络中的个体对免疫收益的反应较为迅速且免疫密度幅度变化较大。在从众因子较小时,强的记忆衰变因子对个体免疫有促进作用,但当从众因子较大的时候,记忆因子对个体免疫有抑制作用。当个体过多的考虑其他邻居的收益来决定是否免疫时,如果个体记住自己以往的收益越长久,那么此个体就更愿意免疫。结果表明加强医疗保障体系、降低免疫成本,是抑制流行病大规模传播的一个有效地方法。适当的选择偏好和从众因子,即不能过多的相信其他个体,同时也不能完全的按照自己的思想武断的进行判断是否免疫,能够有效地诱导个体免疫。最后研究了有亲密度的修正活动驱动网络中免疫演化。我们引入了“亲密度”概念,用来描述个体与已连接过个体连接的倾向程度。首先在不考虑个体免疫的情况下,随着感染率与恢复率比值的增加,整个群体中的感染者密度将会逐渐的增加。然而当考虑个体会采取免疫手段时,免疫人数随着亲密度的增加而减少。感染者密度是随着感染率与恢复率比值的增加先增加而后减小。因此亲密度有利于弱化流行病和信息传播的作用。为了研究个体活化性与个体免疫率和感染率的关系,我们设置了两个用来表示不同活化性的个体在面对疾病和周围环境时对待风险态度的变量。结果表明随着节点活化性的增加,节点的感染频率越大。免疫成本对不同活化性个体是否免疫的影响比亲密度的影响小。此外,随着感染率与恢复率比值的变大,整个网络中个体被感染的频率减小,而整个网络中个体打育苗的频率变大。
【关键词】：复杂网络 博弈理论 流行病 人类行为
【学位授予单位】：江苏大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：R181.3
【目录】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 绪论13-20
• 1.1 研究背景13-15
• 1.2 现状及意义15-17
• 1.2.1 研究现状15-17
• 1.2.2 研究意义17
• 1.3 研究内容17-20
• 第二章 基本理论和基本概念20-33
• 2.1 引言20-21
• 2.2 图的基本概念21-22
• 2.3 几种典型的复杂网络模型22-25
• 2.4 复杂网络统计特性25-29
• 2.4.1 复杂网络的度分布和累积度分布25-26
• 2.4.2 点权26-27
• 2.4.3 最短路径、平均路径、网络效率和介数27-28
• 2.4.4 社团结构28
• 2.4.5 集聚系数28-29
• 2.4.6 K核分解29
• 2.5 博弈理论29-30
• 2.5.1 几类典型的博弈29-30
• 2.5.2 纳什均衡30
• 2.6 流行病传播模型30-32
• 2.6.1 流行病传播基本分类30-31
• 2.6.2 复杂网络上的流行病传播31-32
• 2.7 本章小结32-33
• 第三章 二分网络中个体的风险意识对病毒传播的影响33-40
• 3.1 引言33-34
• 3.2 二分网络中疾病传播模型34-36
• 3.3 仿真结果36-39
• 3.4 本章小结39-40
• 第四章 度依存传播率下病毒变异模型研究40-51
• 4.1 引言40
• 4.2 可变异的流行病传播模型40-44
• 4.2.1 异质网络中流行病传播动力学分析41-43
• 4.2.2 同质网络中流行病传播动力学分析43-44
• 4.3 数值模拟及讨论44-49
• 4.4 本章小结49-51
• 第五章 有模块的活动驱动网络中流行病传播的研究51-61
• 5.1 引言51
• 5.2 活动驱动的模块网络模型51-52
• 5.3 流行病传播模型52-60
• 5.3.1 SIS模型52-56
• 5.3.2 SIRV模型56-60
• 5.4 本章小结60-61
• 第六章 活动驱动网络中异质感染率对流行病传播的影响61-69
• 6.1 引言61
• 6.2 流行病传播模型61-63
• 6.3 活动驱动网络中的免疫63-65
• 6.3.1 随机免疫(RI)63-64
• 6.3.2 目标免疫(AI)64-65
• 6.4 仿真结果65-68
• 6.5 本章小结68-69
• 第七章 资源有限下可视性对个体行为的影响69-79
• 7.1 引言69
• 7.2 囚徒困境博弈模型69-71
• 7.3 仿真结果71-78
• 7.4 本章小结78-79
• 第八章 记忆和从众心理对个体免疫的影响79-88
• 8.1 引言79
• 8.2 模型描述79-81
• 8.3 仿真结果及讨论81-87
• 8.4 本章小结87-88
• 第九章 有亲密度的修正活动驱动网络中免疫演化88-97
• 9.1 引言88
• 9.2 流行病传播模型88-89
• 9.3 免疫博弈演化89-90
• 9.4 仿真结果90-96
• 9.5 本章小结96-97
• 第十章 总结与展望97-100
• 10.1 总结97-98
• 10.2 展望98-100
• 参考文献100-109
• 致谢109-110
• 附录A110-117
• 附录B117-125
• 博士期间发表的论文与参加的科研项目125-127
• 1 发表的文章125-126
• 2 科研项目126-127
• 3 获得的奖励127

【参考文献】

中国期刊全文数据库 前7条

1 周涛;韩筱璞;闫小勇;杨紫陌;赵志丹;汪秉宏;;人类行为时空特性的统计力学[J];电子科技大学学报;2013年04期

2 任卓明;刘建国;邵凤;胡兆龙;郭强;;复杂网络中最小K-核节点的传播能力分析[J];物理学报;2013年10期

3 吕天阳;谢文艳;郑纬民;朴秀峰;;加权复杂网络社团的评价指标及其发现算法分析[J];物理学报;2012年21期

4 樊超;郭进利;韩筱璞;汪秉宏;;人类行为动力学研究综述[J];复杂系统与复杂性科学;2011年02期

5 闫小勇;;人类个体出行行为的统计实证[J];电子科技大学学报;2011年02期

6 韩筱璞;汪秉宏;周涛;;人类行为动力学研究[J];复杂系统与复杂性科学;2010年Z1期

7 汪秉宏;韩筱璞;;人类行为的动力学与统计力学研究[J];物理;2010年01期

，

本文编号：728970