复杂网络中流行病传播的非微扰异质平均场方法

大约十年前以来，网络科学关注的问题之一便是疾病传播如何依赖于结构模式。在此，我们通过提出一种异质平均场方法的非微扰表述，为进一步推进我们对流行病传播过程的理解做出贡献，该方法在物理学文献中被普遍用于处理此类传播现象。我们提出的非微扰方程既不假设系统接近流行病阈值，也不对动力学进行任何线性近似。具体而言，我们首先针对所谓的易感-感染-易感模型族，在节点层面建立了流行病传播的概率描述，随后推导出相应的异质平均场方法。我们建议使用该方法的完整展开，而非将其截断至一阶，从而得到一个可通过不动点迭代求解的非微扰表述，并能在远离流行病阈值的情况下可靠地用于评估流行病的流行率。我们的结果与蒙特卡洛模拟高度吻合，从而增强了经典异质平均场方法的预测能力，同时在计算时间方面提供了一个更有效的框架。