Epidemic dynamics on information-driven adaptive networks

تحقیقات در مورد تاثیرات بین پویایی در شبکه و پویایی شبکه، در سال های اخیر توجه زیادی را به خود جلب کرده است. در این کار، ما یک مدل سازگاری مبتنی بر اطلاعات ارائه می دهیم، در حالیکه اطلاعات بیماری ها و بیماری ها می توانند به طور همزمان تکامل پیدا کنند. برای فرآیند انطباق مبتنی بر اطلاعات، افراد حساس (آلوده) که توانایی تشخیص بیماری دارند، لینک های همسایگان آلوده (حساس) را از بین می برند تا از گسترش همه گیر شدن آن جلوگیری شود. نتایج شبیه سازی و تجزیه و تحلیل عددی بر مبنای رویکرد دوگانه نشان می دهد که فرایند تطبیقی ​​مبتنی بر اطلاعات می تواند نه تنها سرعت سرعت گسترش همه گیر شدن را کاهش دهد، بلکه می تواند موجب کاهش شیوع اپیدمی در حالت نهایی شود. علاوه بر این، گسترش بیماری و الگوی پخش اطلاعات بر روی شبکه و همچنین در یک شبکه دنیای واقعی، نمایانگر بصری در مورد چگونگی تداوم بیماری با یک فرآیند انطباق با اطلاعات است. علاوه بر این، ما تجزیه و تحلیل بیوگرافی محلی را بر روی چهار نوع از مناطق دینامیکی انجام می دهیم، از جمله سالم، یک رفتار پویا مداوم، دوام و یکپارچه، برای درک تکامل رفتار های دینامیکی مشاهده شده. این کار ممکن است برخی از فاکتورها را در درک اینکه چگونه اطلاعات بر روی فعالیت های انسانی در پاسخ به گسترش بیماری همه گیر تاثیر می گذارد، رها می کند.