带疫苗接种的耦合意见与传染病动力学中的最优重连

在这项工作中，我们研究了一个动态网络中耦合疫苗接种意见动力学的传染病模型。随着持有不同意见的智能体彼此断开连接，并与对疫苗接种持有相似意见的智能体建立连接，网络结构不断演化。我们考虑了一个带有额外疫苗接种状态的类 SIS 模型。智能体可具有连续意见，且每当一个智能体与邻居断开连接时，他们会连接到一个新的邻居。我们观察到网络同配性的出现，并且在某些情况下出现了网络的完全分裂。我们的蒙特卡洛模拟还显示了具有亚稳态的一阶相变。重连概率的增加产生双重效应，即：(a) 短期内，它可能加剧传染病峰值；(b) 长期内，它能降低感染率。这种传染病峰值的瞬时升高归因于网络分裂为更小、断开连接的子网络。因此，我们的结果表明，重连在尽可能高但早于网络开始破裂时是最优的。