网络上疫情传播的均场游戏方法

我们在均场游戏框架下研究了网络上的 SIR 模型的疫情传播。在实际疫情中，个体会根据疫情水平及其对未来影响进行行为调整，这些个体行为反过来又影响疫情动力学。均场游戏是一种捕捉这些反馈效应的框架。我们推导了以个体接触率为变量的疫情量的动力学方程，通过均场近似获得与特定成本函数最小化相关的纳什均衡。我们首先考虑均匀网络，其中所有个体拥有相同数量的邻居，讨论当该数量变化时个体行为的修改情况。随后我们研究基于真实社交接触网络数据的现实异质网络。我们的结果允许评估这种方法在现实世界实施中发挥疫情缓解潜力的可能性。