Question

我正在进行一个模拟，涉及在随机，无向时间网络（即链接状态以一定概率分布逐步变化的复杂网络）上的SI传播（https://institutefordiseasemodeling.github.io/Documentation/general/model-si.html，但具有离散时间））。初始条件仅施加一个受感染的节点。我将网络建模为一个形状为（T，N，N）的Numpy数组，我的想法是也将感染发展也建模为一个数组，例如（T，N），每次与感染状态相关联{ 0,1}。我对流行病模拟的持续时间完全不满意，因为它需要花费太多时间，这很重要，因为在同一网络的不同实现上，应该重复一百次才能获得静态相关的结果。如果可感染节点链接到受感染的节点，则发生感染，其概率取决于链接持续时间，显然取决于感染率，根据指数分布：从均匀分布中选择一个从0到1的数字，并且如果低于与链接持续时间相关的概率，则发生感染。这是模拟的一部分，即使听起来不太有效，也无法更改。我强调，每个I节点每次都可以感染一个以上的S。我张贴了感染代码，希望可以清除。我尝试了许多不同的解决方案，但找不到任何比这更快的方法。你会改变一些东西吗？

    for t in range(1,T):
        if len(infecteds) == N:
            break #infection is complete
        susceptibles = {node for node in range(N) if states_sequence[t-1][node]==0 and neighbourhood(tempnet[t-1],node).intersection(infecteds) != {} }
        for s in susceptibles.copy(): #copy avoids rising an error when the iteration set changes
            for i in neighbourhood(tempnet[t-1],s).intersection(infecteds).copy(): 
                if probabilities[contact_lasting(tempnet,states_sequence,t-1,i,s)]>extractions[t-1,s]: #rand extraction
                    set_infected(s,t) #if successful, change the state of the node, at next t
                    infecteds.add(s)
                    break

Python在网络上进行流行病传播的最有效方法是什么？

0 个答案: