/*仅当作学习笔记,若有纰漏欢迎友好交流指正,此外若能提供一点帮助将会十分荣幸*/
摘 要:无论是生物病毒还是网络病毒,其内核的传播机理都有很多的相似之处。因此,本文在经典的SIR病毒模型基础上改造出一个模型并以此为例,期望在此基础上构建一个计算模板来规范相关病毒模型的稳定性运算。
0 引言
在经典SIR模型中,S代表易感状态(也可以理解为未被感染的健康群体),I代表已经被感染的群体,而R代表处于免疫状态的群体(由感染个体I治愈而来的,且假设其治愈后不会再会被感染)。易感个体S有一定几率转化为感染个体I,而感染个体I也有一定几率α变为免疫个体R
SIR模型表达式为:
模型中s(t)、i(t)、r(t)分别代表易感个体S、感染状态I和免疫状态R在t时刻的个体密度;ds(t)/dt、di(t)/dt、dr(t)/dt分别代表易感个体S、感染状态I和免疫状态R在t时刻的个体数量变化率。
在SIR模型基础上,为了能够充分展现稳定性计算过程中可能会遇到的问题及对应解决方式,我们将构建一个相对复杂的SLA模型(也就是在SIR模型基础上增加条件因素构造而来的)。
S(t)、L(t)、A(t)分别对应SIR模型中的s(t)、i(t)、r(t)状态,而u1、u2分别代表易感染期和潜伏期病毒的增长率,β1、β2分别代表潜伏期和活跃期的被感染概率,δ为易感染期、潜伏期、活跃期为节点在网络中减少消失的概率,α、γ为状态转移率。
在(1)模型的基础上,为了增加时滞因素,我们在活跃状态A(t)向易感染状态S(t)转移时加入一个时滞,转移量为γA(t-
),其对应模型(2)为:
实际意义就是遭受到网络病毒侵害的个体恢复到正常状态所需要的时间,也就是接受修复变为易受感染的正常个体时所需要的时间。
1 正平衡点E*的求取
在分析研究