代码实现

以下是在ER网络上实现SIR模型的Python代码示例：

import networkx as nx
import random

# 定义SIR模型的参数
p = 0.3  # 每个节点与其他节点相连的概率
beta = 0.4  # 感染率
gamma = 0.2  # 恢复率
num_of_nodes = 100  # 节点数目
initial_infected = 1  # 初始感染者数目

# 初始化ER网络
G = nx.erdos_renyi_graph(num_of_nodes, p)

# 定义每个节点的状态
node_status = {}
for node in G.nodes():
    node_status[node] = 'S'  # 初始状态为易感状态

# 随机选择初始感染者
infected_nodes = random.sample(G.nodes(), initial_infected)
for node in infected_nodes:
    node_status[node] = 'I'  # 初始感染者的状态为感染状态

# 定义SIR模型的演化过程
def SIR_model(G, node_status, beta, gamma):
    # 获取当前感染者节点列表
    infected_nodes = [node for node in node_status if node_status[node] == 'I']
    # 感染过程
    for infected_node in infected_nodes:
        neighbors = G.neighbors(infected_node)
        for neighbor in neighbors:
            if node_status[neighbor] == 'S':
                if random.random() < beta:
                    node_status[neighbor] = 'I'
    # 恢复过程
    for infected_node in infected_nodes:
        if random.random() < gamma:
            node_status[infected_node] = 'R'

# 模拟SIR模型的演化过程
for i in range(100):
    SIR_model(G, node_status, beta, gamma)
    num_of_infected = len([node for node in node_status if node_status[node] == 'I'])
    print('第{}天，感染者数目为{}'.format(i, num_of_infected))

在这个代码中，我们首先使用 networkx 库生成了一个 ER 网络，并初始化了每个节点的状态。然后，我们定义了 SIR 模型的演化过程，包括感染过程和恢复过程。最后，我们使用循环模拟了 SIR 模型的演化过程，并输出了每一天的感染者数目。