论文笔记——随机异构链接大图上的SIR传播过程

LARGE GRAPH LIMIT FOR AN SIR PROCESS IN RANDOM NETWORK WITH HETEROGENEOUS CONNECTIVITY

就是说最近被卷起来了，本来想他强任他强，清风拂山岗，细细一想自己也要博士毕业的啊。好的那接下来我们来到人狠话不多环节，快速适应过渡期。继上一篇研究给定度序列的随即网络上的SIR阈值后（仅限该paper的第二章，后续可能会继续看看该paper的其他章节），今天的paper是研究SIR在异构链接网络（无向图）上的传播速率，主要贡献如下：将SIR在异构链接网络上的传播用三个度分布（degree distribution）衡量：与S类节点度相关的公式，以及从I类或R类人群指向S类人群的边的集合。文章的灵感来源于Volz为SIR在配置模型（configuration model，CM）图上提出的五个偏微分方程低维系统，这个系统连续时间随机SIR模型对大图的收敛性极限并没有得到证明，这篇paper做的主要是做了这项遗留工作。同样，在这里我们也只关注模型部分。

model

该paper的观点：三个度分布足以描述病毒的动态传播过程。我们用非负整数集上的测度空间中的方程来描述这些分布，并证明节点（个体）的维度会在大图中消失。这里依然用到的是配置模型（configuration model，CM），关注到的变量主要有三个：S节点的出度，I->S的边数以及R->S的边数。这里为IS类型半边（half-edge）设置一个与变量$\gamma$相关的独立指数闹钟clock，将每个I类型节点与变量$\beta$相关的独立指数闹钟clock，第一个闹钟响了之后，会发生下面的事情：

• case 1. 若是I的闹钟响起，那么模拟的是recover过程。I节点的状态转变为R，IS边转变为RS边。
• case 2.若是IS的闹钟响起，那么模拟的是infect过程。
  • step 1：将IS半边与S类节点s匹配；
  • step 2：假设新感染的s节点度为$k$，那么在s中随机均匀的选取$k-1$（配对用掉了一条边）条边，设$m,j,l$分别为这$k-1$条边中SS，IS以及RS的边数；
  • step 3：IS以及RS边的数量决定了s节点I邻居和R邻居的数目，而剩余的$m$条SS边保持不匹配的状态，因为S类节点不固定。将s节点对应的SS，IS以及RS边对应的改为IS，II以及RI；
  • step 4：将s节点的状态转换为I。
• 接着等下一个clock 响起。