用于大型异质网络上马尔可夫传染病过程模拟的优化 Gillespie 算法
物理与社会
2017-07-26 v2 计算物理
摘要
连续时间马尔可夫过程的数值模拟是研究复杂网络上传染病传播的重要且广泛应用工具。由于传染病传播所经由的连接结构高度异质，通用传染病过程的高效准确实现并非易事，且偏离统计精确规范会导致不可控偏差。基于 Gillespie 算法 (GA)（其中仅考虑改变状态的步骤），我们开发了数值方案并描述了其计算机实现，用于对高度异质和大型网络上的通用马尔可夫传染病过程进行统计精确且计算高效的模拟。此处研究的方案的核心点是包含幻影过程（phantom processes），其不改变状态但计入时间增量。我们比较了易感-感染-易感、接触过程和易感-感染-恢复模型的效率，这些是此处考虑的通用模型的特例。我们通过数值确认，优化算法的模拟结果与原 GA 在统计上不可区分，并且效率可高出几个数量级。
引用
@article{arxiv.1704.01557,
title = {Optimized Gillespie algorithms for the simulation of Markovian epidemic processes on large and heterogeneous networks},
author = {Wesley Cota and Silvio C. Ferreira},
journal= {arXiv preprint arXiv:1704.01557},
year = {2017}
}
备注
12 pages, 9 figures