程序员硬核操作 | 利用代码程序建立新冠病毒传播模型

憋疯了？在家宅不下去了？想出去透透气了？

千万别！

虽然你对疫情已经麻木了，觉得没什么大碍了。

但现实并非如此，抗疫战斗仍在继续，还没有达到钟南山等专家所说的爆发期。
如果大家现在要是出门，真的是在疫情防控添乱！

不信？一名程序员，连夜打造的计算机仿真程序，模拟新冠病毒传播，在B站上播放量已达到数百万：

视频链接：

https://www.bilibili.com/video/av86478875

它告诉我们：

如果现在出门逛，迎接我们的，就是疫情越来越难控制的局面。

本文对火爆B站的仿真程序进行了深度解读：

一、JFrame面板组件布局

二、数学概念：高斯（正态）分布

为什么要讲高斯分布？

病毒传播代码最精华部分，最精彩部分，最能体现仿真模拟的就是这个高斯分布的代码，在本章尽量也最简单的话语为大家简单的介绍一下高斯分布的理论。

2.1 高斯分布概念

一个非常常见的连续概率分布。正态分布在统计学上十分重要，经常用在自然和社会科学来代表一个不明的随机变量。

例如说人的体重、身高、某种疾病的患病年龄、城市人口的分布，基本都是符合高斯分布的统计学应用。高斯分布的公式为：

纵观整个高斯公式，有两个很重要的参数：μ(可以谐音为 “谬”)，σ(发音为sigma)；那么跟大家解释一下μ为平均值，σ为标准差。

标准差决定了整个样本数据的分布密度，标准差越小，数据越集中，如下图非常直观的描述的μ与σ的关系，以及σ对整个概率分布的影响。

另外，如果μ=0, σ=1的时候，就称之为标准高斯分布。而X轴落在整个⾼斯曲线内的值，专业的说法为服从高斯分布。

2.2 正态变量的标准化

正态变量的标准化是高斯公式的一个重要推导，这里直接给出结论：

v 为服从高斯分布的数据

σ 为标准差

μ 为平均值

W 对v进行标准化处理后的数据，依然是服从高斯分布的

正态变量的标准化公式：

W = (V - μ) / σ

那么V值的计算公式为：

V = W * σ + μ

2.3 高斯分布在Java中的应用

java.util.Random函数有个方法叫做nextGaussian()函数，定义如下：

/*

* @return the next pseudorandom, Gaussian ("normally") distributed

* {@code double} value with mean {@code 0.0} and

* standard deviation {@code 1.0} from this random number

* generator's sequence

*/

synchronized public double nextGaussian() {
   

// See Knuth, ACP, Section 3.4.1 Algorithm C. if (haveNextNextGaussian) {
   

haveNextNextGaussian = false; return nextNextGaussian;

} else {
   


double v1, v2, s;

do {
   

v1 = 2 * nextDouble() - 1; // between -1 and 1

v2 = 2 * nextDouble() - 1; // between -1 and 1 s = v1 * v1 + v2 * v2;

} while (s >= 1 || s == 0);

double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s); nextNextGaussian = v2 * multiplier;

haveNextNextGaussian = true;

return v1 * multiplier;

}

}

根据API的描述：返回一个double类型的值，这个值服从均值为0，均方差为1的标准正态分布。

然后根据正态变量的标准化推导公式：、

double value = sigma * new Random().nextGaussian() + 0.99;

三、核心代码解读

3.1启动类函数：

3.2画布相关代码

初始化画布：

如上图所示的MyPanel 类实现了Runnable接口：