随机网络上的自适应传染动力学
摘要：自适应动力学在许多物理系统中出现，例如社会经济学、神经科学或生物物理学。我们形式化了一种自适应建模方法，适应性是基于系统状态的历史在一组策略中发生的。这导致了分段确定性马尔可夫动力学与非马尔可夫适应机制的耦合。我们将这个框架应用于随机网络上的基本流行病模型（SIS、SIR）。我们考虑一个共同进化的动态网络，其中节点状态通过流行病变化，网络拓扑通过创建和删除边来变化。对于简单的阈值基础应用封锁措施，我们观察到参数空间中有大区域的振荡行为。对于SIS流行病模型，我们从配对封闭模型中推导出振荡周期的解析表达式。此外，我们表明基本繁殖数围绕1波动与自组织临界性存在联系。我们还研究了我们的结果对底层网络结构的依赖性。
作者：Konstantin Clau{ss} and Christian Kuehn
论文ID：2203.16949
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2022-04-01