复杂网络上非马尔科夫易感-感染模型的二阶平均场求解

提出了一种能够描述网络传播过程的非马尔科夫特征的数学理论,从而为控制真实世界中疾病或谣言的扩散提供理论支撑.根据二阶平均场近似的方法,以及通过引入闲置边的概念,给出了能够在复杂网络上求解易感-感染(Susceptible-Infected, SI)非马尔科夫传播动力学的一系列偏微分方程组.比较了实验模拟结果与理论计算结果,该数学方法能够精准预测复杂网络上SI模型的爆发时间演化过程.另外,该理论还可以用来预测单个节点被感染的平均时刻,且通过实验模拟结果证实了其正确性和准确性.