基于双层网络关键节点的流行病传播控制策略研究

Immunization of the critical nodes on epidemic spreading networks is an efficient way to control the spreading of epidemics. Current works focus on single layer network while neglecting the multiplex feature of the real world complex system. The spreading of epidemics is coupled by two spreading processes on the human contact network and information spreading network. In this project, we work on the problem of controlling the epidemic spreading on two-layer networks, including the empirical study of two-layer network, the identification of influential spreaders and immunization strategy. Firstly, we collect and analyze the real-world network data to construct the contact-communication network, and analyze the structure and spreading features of each layer. Then, by studying the interactions among the multiplex structure, spreading and two-layer coupling, we propose methods to identify the most influential single spreaders and multiple spreaders on the two-layer networks. Lastly, we study the immunization strategy targeting the influential spreaders on multiplex networks.

对流行病传播网络中的关键节点实施免疫是流行病传播控制的有效方法之一。目前，已知的免疫策略研究集中于单层网络，忽视了真实复杂系统多层的特性。如流行病的传播受到人类接触和信息传播的影响，具有接触网络和通讯网络双层耦合传播的特性。鉴于此，本项目致力于研究双层耦合网络上的流行病传播控制问题，分为双层网络的实证统计与分析、最有影响力节点的识别和免疫策略研究三个内容。首先，收集和分析真实网络数据，构建接触-通讯双层耦合网络模型，分析各层结构和传播特性。其次，研究双层网络结构、传播机制和耦合作用的相互影响，提出双层网络上最有影响力的单点和多点传播源识别算法。最后，基于最有影响力的节点研究双层网络上的免疫策略。

当流行病传播时，关于疫情的消息通过多种渠道传播，促使人们采取各种措施降低感染概率，抑制疾病传播，这可以抽象为双层网络上的耦合传播。本项目关注双层耦合网络结构与传播动力学，主要研究了双层网络上最有影响力的传播源识别、可逆传播中最有影响力的传播源识别、双层网络的鲁棒性、疾病爆发阈值等。. 首先，我们研究了信息-疾病耦合传播中的关键节点识别。由于信息传播的抑制作用，单层网络中心性无法识别双层耦合传播中的超级传播源。基于层间结构和动力学的相互作用，提出耦合敏感中心性指标，在合成网络和真实网络的实验表明该指标具有很高的准确性。该工作提供了在多层网络中识别最有影响力的传播源的研究框架。我们研究了可逆传播过程中节点的传播影响力，提出单点控制模型度量节点在SIS传播过程中的影响力，并基于度和k核中心性排序节点在可逆过程的传播影响力。. 接下来研究了双层网络的健壮性。首先，基于渗流理论在具有互连边和依赖边的双层网络上研究k核渗流下网络的鲁棒性。我们理论推导了稳态时巨连通分量大小和渗流阈值，通过计算机仿真验证了理论推导的正确性。在调节耦合强度时，出现了丰富的相变现象。进一步的，研究了双层耦合带流网络中由于流量重分配引发的网络级联失效。我们提出双层网络上的局部加权重分配模型，通过平均场理论推导了引发网络级联的单边失效阈值，发现阈值存在最低值区间。最后在相互依赖的空间嵌入网络上研究了有效的恢复策略以阻止级联失效，提出小度优先恢复策略。. 最后，我们研究了协同效应和自我意识控制策略对协同传播动力学的影响，发现加强协同效应可以降低传播阈值和提升传播范围。我们基于深度学习方法研究了SIS传播的爆发阈值。根据SIR模型的时间演化模式，通过分析平均非终止雪崩形状的趋同特性与平均新生事件数量的常数特性来确定SIR模型的传播阈值。