计算疫情扩散的时间

  • 计算疫情扩散时间 | 时间限制:1秒 | 内存限制:32768K | 语言限制:不限
    在一个地图中(地图由n*n个区域组成),有部分区域被感染病菌。感染区域每天都会把周围(上下左右)的4个区域感染。

请根据给定的地图计算,多少天以后,全部区域都会被感染。

如果初始地图上所有区域全部都被感染,或者没有被感染区域,返回-1
收起
输入描述:
一行N*N个数字(只包含0,1,不会有其他数字)表示一个地图,数字间用,分割,0表示未感染区域,1表示已经感染区域
每N个数字表示地图中一行,输入数据共表示N行N列的区域地图。
例如输入1,0,1,0,0,0,1,0,1,表示地图
1,0,1
0,0,0
1,0,1
输出描述:
一个整数,表示经过多少天以后,全部区域都被感染
示例1
输入
1,0,1,0,0,0,1,0,1
输出
2
说明
1天以后,地图中仅剩余中心点未被感染;2天以后,全部被感染。
示例2
输入
0,0,0,0
输出
-1
说明
无感染区域
示例3
输入
1,1,1,1,1,1,1,1,1
输出
-1
说明
全部都感染
备注:
1<=N<200

解法:改点是否会被感染,取决于改点的周围的四个点,是否有1 存在。
代码如下:

def spread_time(string):
    string_list=string.split(",")
    length = len(string_list)
    if string_list.count("1") == length or string_list.count("0") ==length:
        return -1
    slice = int(pow(length,0.5))
    rank = [string_list[i*slice:(i+1)*slice] for i in range(slice)]
    rank1 =[string_list[i*slice:(i+1)*slice] for i in range(slice)]
    def spread(rank,rank1):
        for i in range(len(rank)):
            for j in range(len(rank)):
                if rank[i][j] == "1":
                    continue
                if i > 0:
                    if rank1[i - 1][j] == "1":
                        rank[i][j] = "1"
                if j > 0:
                    if rank1[i][j - 1] == "1":
                        rank[i][j] = "1"
                if 0 < j < len(rank) - 1:
                    if rank1[i][j + 1] == "1":
                        rank[i][j] = "1"
                if 0 < i < len(rank) - 1:
                    if rank1[i + 1][j] == "1":
                        rank[i][j] = "1"
    days = 0
    while True:
        spread(rank,rank1)
        days+=1
        if [j for i in rank for j in i].count("1") == length:
            return days
        temp = rank
        rank = rank1
        rank1 = temp

if __name__ == '__main__':
    print(spread_time("1,0,1,0,0,0,1,0,1"))
    print(spread_time("1,1,1,1,1,1,1,1,1"))
  • 7
    点赞
  • 40
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
计算疫情扩散时间是指在给定的传播速率和人群密集程度下,疫情从一个起始点传播到整个人群的所需时间。 首先,需要确定一些变量。传播速率可以通过统计数据和模型进行估计,可以考虑使用每个感染者每天传播的人数作为传播速率参数。人群密集程度可以通过城市人口数量、人口流动性等指标来衡量。 接下来,利用传播模型来计算疫情扩散时间。流行病学中常用的传播模型之一是SIR模型,其中S代表易感者,I代表感染者,R代表康复或免疫者。SIR模型的核心是基本再生数R0,它表示每个感染者在人群中平均传播的次数。根据R0和人群密集程度,可以计算出每个感染者每天传播的人数。 以一般形式的SIR方程为例: dS/dt = -βSI dI/dt = βSI - γI dR/dt = γI 其中β是传染率,γ是康复率。根据模型参数,可以通过数值计算的方式求解这组微分方程,并得到感染者人数随时间的变化。 最后,计算疫情扩散时间。可以从初始感染者开始,设置相应的初始条件,并进行计算,当感染者人数接近人群总数或者达到一定阈值时,认为疫情已经扩散到整个人群。通过统计模型得到的感染者人数随时间的变化情况,可以得到疫情扩散所需的时间。 需要注意的是,以上仅是简单的计算方法,实际情况会更加复杂。因为人群行为和政府的干预措施会对疫情传播产生重要影响,所以在计算疫情扩散时间时需要考虑这些因素,例如隔离措施、个人行为等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值