si传染模型节点群感染延迟率python代码

以下是使用Python编写的基于SI传染模型的节点群感染延迟率代码示例：

import random

# 定义SI传染模型的参数
beta = 0.3  # 感染率
gamma = 0.0  # 恢复率，此处为0，表示感染后不会恢复
N = 1000  # 总人数
I = 5  # 初始感染人数
S = N - I  # 初始易感人数

# 定义感染延迟率
delay = 0  # 单位时间内感染的人数
count = 0  # 计数器，记录已经感染的人数

# 构建邻接矩阵表示节点之间的联系
adj_matrix = [[0] * N for i in range(N)]
for i in range(N):
    for j in range(i+1, N):
        if random.random() < 0.1:  # 每个节点有10%的概率与另一个节点相连
            adj_matrix[i][j] = 1
            adj_matrix[j][i] = 1

# 模拟SI传染模型的传播过程
while I > 0:
    # 计算下一个时刻的感染人数
    new_I = [0] * N
    for i in range(N):
        if I > 0 and random.random() < beta * sum(adj_matrix[i][j] * (J == 1) for j, J in enumerate(new_I)):
            new_I[i] = 1
    # 更新感染人数和易感人数
    I += sum(new_I)
    S -= sum(new_I)
    # 计算感染延迟率
    delay += sum(new_I)
    count += 1
    if count == 10:  # 每10个单位时间计算一次感染延迟率
        print("感染延迟率为：", delay / (N - S))
        delay = 0
        count = 0

说明：

- 在SI传染模型中，每个人只有两个状态：易感和感染。
- beta表示感染率，即一个感染者在单位时间内感染一个易感者的概率。
- gamma表示恢复率，即一个感染者在单位时间内恢复的概率。此处设为0，表示感染后不会恢复。
- N表示总人数，I表示初始感染人数，S表示初始易感人数。
- 感染延迟率是指在一定时间内，有多少人感染了疾病。在这里，我们定义为每10个单位时间计算一次感染延迟率，即每10个单位时间内感染的人数除以此时刻的易感人数。
- 在代码中，我们使用邻接矩阵表示节点之间的联系。每个节点有10%的概率与另一个节点相连。
- 在模拟SI传染模型的传播过程中，对于每个节点，我们计算与它相连的感染节点数目，如果有感染节点，它就有beta的概率被感染。
- 每个时刻，我们计算新增感染人数，更新感染和易感人数，然后累加感染延迟率。当计数器达到10时，计算感染延迟率并输出，然后重置计数器和延迟率。