帮我看一下为什么这段代码里的SIR模型，在可视化中初始状态除一个节点其他都是感染态，并尽量帮我改正N = 100; % 网络中节点的总数 beta = 0.2; % 感染概率 gamma = 0.1; % 恢复概率 timesteps = 10; % 时间步长 radius = 0.01; % 给定半径 % 初始化节点状态 state = zeros(N, 3); % 节点状态矩阵：每行表示一个节点的状态 [S I R] % 生成二维平面上的随机节点分布 positions = rand(N, 2); % 每行表示一个节点的坐标位置 % 随机选择一个节点作为初始感染节点 initial_infected_node = randi(N); state(initial_infected_node, :) = [0 1 0]; % 节点初始状态 [S I R] % 输出随机选出的初始感染节点 disp(['Initial infected node: ', num2str(initial_infected_node)]); % 创建可视化窗口 figure; % 开始仿真 for t = 1:timesteps % 绘制节点状态图 scatter(positions(:, 1), positions(:, 2), [], state(:, 2), 'filled'); % 设置坐标轴和标题 xlabel('X'); ylabel('Y'); title(['Simulation of Epidemic Spread (Time step: ', num2str(t), ')']); % 刷新图形窗口 drawnow; % 添加延迟以实现动态效果 pause(0.9); % 更新节点状态 for node = 1:N % 如果节点已经是免疫态R，则跳过 if state(node, 3) == 1 continue; end % 如果节点处于易染态S if state(node, 1) == 1 % 计算与该节点相连的感染态邻节点数量 distances = sqrt(sum((positions - repmat(positions(node, :), N, 1)).^2, 2)); infected_neighbors = sum(state(distances <= radius, 2)); % 根据感染概率决定是否被感染 if rand <= beta * infected_neighbors / N state(node, :) = [0 1 0]; % 节点变为感染态I end else % 如果节点处于感染态I % 根据恢复概率决定是否变为免疫态R if rand <= gamma state(node, :) = [0 0 1]; % 节点变为免疫态R end end end % 显示当前时间步的节点状态 disp(['Node states at time step ', num2str(t), ':']); disp(state); end

在给定的代码中，初始感染节点被设置为 `state(initial_infected_node, :) = [0 1 0];`，这将初始感染节点的状态设置为 [S I R] = [0 1 0]，即易感染态（S）变为感染态（I），其他节点的状态都是初始值 [S I R] = [1 0 0]，即都是易感染态。

要让初始状态除了一个节点外都是感染态，你可以修改初始状态设置的代码。以下是修改后的代码：

% 构建无线传感器网络拓扑图（以邻接矩阵形式表示）
adjacencyMatrix = [0 1 1 0 0;
                   1 0 1 1 0;
                   1 1 0 0 1;
                   0 1 0 0 1;
                   0 0 1 1 0];

N = size(adjacencyMatrix, 1); % 网络中节点的总数
beta = 0.2; % 感染概率
gamma = 0.1; % 恢复概率
timesteps = 10; % 时间步长
radius = 0.01; % 给定半径

% 初始化节点状态
state = zeros(N, 3); % 节点状态矩阵：每行表示一个节点的状态 [S I R]

% 随机选择一个节点作为初始感染节点
initial_infected_node = randi(N);
state(:, 2) = 1; % 所有节点的状态都是感染态（I）
state(initial_infected_node, 2) = 0; % 将初始感染节点的状态改为易感染态（S）

% 输出随机选出的初始感染节点
disp(['Initial infected node: ', num2str(initial_infected_node)]);

% 创建可视化窗口
figure;

% 开始仿真
for t = 1:timesteps
    % 绘制节点状态图
    scatter(positions(:, 1), positions(:, 2), [], state(:, 2), 'filled');
    
    % 设置坐标轴和标题
    xlabel('X');
    ylabel('Y');
    title(['Simulation of Epidemic Spread (Time step: ', num2str(t), ')']);
    
    % 刷新图形窗口
    drawnow;
    
    % 添加延迟以实现动态效果
    pause(0.9);
    
    % 更新节点状态
    for node = 1:N
        % 如果节点已经是免疫态R，则跳过
        if state(node, 3) == 1
            continue;
        end
        
        % 如果节点处于易染态S
        if state(node, 1) == 1
            % 计算与该节点相连的感染态邻节点数量
            distances = sqrt(sum((positions - repmat(positions(node, :), N, 1)).^2, 2));
            infected_neighbors = sum(state(distances <= radius, 2));

            % 根据感染概率决定是否被感染
            if rand <= beta * infected_neighbors / N
                state(node, :) = [0 1 0]; % 节点变为感染态I
            end
        else % 如果节点处于感染态I
            % 根据恢复概率决定是否变为免疫态R
            if rand <= gamma
                state(node, :) = [0 0 1]; % 节点变为免疫态R
            end
        end
    end
    
    % 显示当前时间步的节点状态
    disp(['Node states at time step ', num2str(t), ':']);
    disp(state);
end

在修改后的代码中，我将初始感染节点的状态设置为易感染态（S），其他节点的状态都是感染态（I）。这样，初始状态除了一个节点外都是感染态。请注意，这只是一个简单的示例代码，可能需要根据具体情况进行适当的修改和扩展。