当前位置:
X-MOL 学术
›
arXiv.cs.DM
›
论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Sharp Thresholds for a SIR Model on One-Dimensional Small-World Networks
arXiv - CS - Discrete Mathematics Pub Date : 2021-03-30 , DOI: arxiv-2103.16398 Luca Becchetti, Andrea Clementi, Riccardo Denni, Francesco Pasquale, Luca Trevisan, Isabella Ziccardi
arXiv - CS - Discrete Mathematics Pub Date : 2021-03-30 , DOI: arxiv-2103.16398 Luca Becchetti, Andrea Clementi, Riccardo Denni, Francesco Pasquale, Luca Trevisan, Isabella Ziccardi
We study epidemic spreading according to a
\emph{Susceptible-Infectious-Recovered} (for short, \emph{SIR}) network model
known as the {\em Reed-Frost} model, and we establish sharp thresholds for two
generative models of {\em one-dimensional small-world graphs}, in which graphs
are obtained by adding random edges to a cycle. In $3$-regular graphs obtained as the union of a cycle and a random perfect
matching, we show that there is a sharp threshold at $.5$ for the contagion
probability along edges. In graphs obtained as the union of a cycle and of a $\mathcal{G}_{n,c/n}$
Erd\H{o}s-R\'enyi random graph with edge probability $c/n$, we show that there
is a sharp threshold $p_c$ for the contagion probability: the value of $p_c$
turns out to be $\sqrt 2 -1\approx .41$ for the sparse case $c=1$ yielding an
expected node degree similar to the random $3$-regular graphs above. In both models, below the threshold we prove that the infection only affects
$\mathcal{O}(\log n)$ nodes, and that above the threshold it affects
$\Omega(n)$ nodes. These are the first fully rigorous results establishing a phase transition
for SIR models (and equivalent percolation problems) in small-world graphs.
Although one-dimensional small-world graphs are an idealized and unrealistic
network model, a number of realistic qualitative phenomena emerge from our
analysis, including the spread of the disease through a sequence of local
outbreaks, the danger posed by random connections, and the effect of
super-spreader events.
中文翻译:
一维小世界网络上SIR模型的敏锐阈值
我们根据称为{\ em Reed-Frost}模型的\ emph {Sceptceptible-Infectious-Recovered}(简称\ emph {SIR})网络模型研究流行病的传播,并为两个{\ em一维小世界图},其中的图是通过将随机边添加到循环中获得的。在$ 3 $-作为周期的结合和随机完美匹配而获得的正则图中,我们表明在$ .5 $处有一个沿边缘的传染概率的尖锐阈值。在以周期和$ \ mathcal {G} _ {n,c / n} $ Erd \ H {o} sR \'enyi随机图为边概率$ c / n $的并集获得的图中,我们显示传染概率有一个尖锐的阈值$ p_c $:$ p_c $的值原来是$ \ sqrt 2 -1 \ approx。稀疏情况$ c = 1 $的41 $产生了一个预期的节点度,类似于上面的随机$ 3 $-规则图。在这两个模型中,低于阈值我们证明感染仅影响$ \ mathcal {O}(\ log n)$节点,超过阈值则影响$ \ Omega(n)$节点。这些是在小世界图中为SIR模型(和等效的渗流问题)建立相变的第一个完全严格的结果。尽管一维小世界图是一个理想化且不现实的网络模型,但我们的分析还是出现了许多现实的定性现象,包括疾病通过一系列局部爆发的传播,随机连接造成的危险以及影响超级传播者事件。低于阈值,我们证明感染仅影响$ \ mathcal {O}(\ log n)$节点,并且超过阈值时,它会影响$ \ Omega(n)$节点。这些是在小世界图中为SIR模型(和等效的渗流问题)建立相变的第一个完全严格的结果。尽管一维小世界图是一个理想化且不现实的网络模型,但我们的分析还是出现了许多现实的定性现象,包括疾病通过一系列局部爆发的传播,随机连接造成的危险以及影响超级传播者事件。低于阈值,我们证明感染仅影响$ \ mathcal {O}(\ log n)$节点,并且高于阈值时,它会影响$ \ Omega(n)$节点。这些是在小世界图中为SIR模型(和等效的渗流问题)建立相变的第一个完全严格的结果。尽管一维小世界图是一个理想化且不现实的网络模型,但我们的分析还是出现了许多现实的定性现象,包括疾病通过一系列局部爆发的传播,随机连接造成的危险以及影响超级传播者事件。
更新日期:2021-03-31
中文翻译:
一维小世界网络上SIR模型的敏锐阈值
我们根据称为{\ em Reed-Frost}模型的\ emph {Sceptceptible-Infectious-Recovered}(简称\ emph {SIR})网络模型研究流行病的传播,并为两个{\ em一维小世界图},其中的图是通过将随机边添加到循环中获得的。在$ 3 $-作为周期的结合和随机完美匹配而获得的正则图中,我们表明在$ .5 $处有一个沿边缘的传染概率的尖锐阈值。在以周期和$ \ mathcal {G} _ {n,c / n} $ Erd \ H {o} sR \'enyi随机图为边概率$ c / n $的并集获得的图中,我们显示传染概率有一个尖锐的阈值$ p_c $:$ p_c $的值原来是$ \ sqrt 2 -1 \ approx。稀疏情况$ c = 1 $的41 $产生了一个预期的节点度,类似于上面的随机$ 3 $-规则图。在这两个模型中,低于阈值我们证明感染仅影响$ \ mathcal {O}(\ log n)$节点,超过阈值则影响$ \ Omega(n)$节点。这些是在小世界图中为SIR模型(和等效的渗流问题)建立相变的第一个完全严格的结果。尽管一维小世界图是一个理想化且不现实的网络模型,但我们的分析还是出现了许多现实的定性现象,包括疾病通过一系列局部爆发的传播,随机连接造成的危险以及影响超级传播者事件。低于阈值,我们证明感染仅影响$ \ mathcal {O}(\ log n)$节点,并且超过阈值时,它会影响$ \ Omega(n)$节点。这些是在小世界图中为SIR模型(和等效的渗流问题)建立相变的第一个完全严格的结果。尽管一维小世界图是一个理想化且不现实的网络模型,但我们的分析还是出现了许多现实的定性现象,包括疾病通过一系列局部爆发的传播,随机连接造成的危险以及影响超级传播者事件。低于阈值,我们证明感染仅影响$ \ mathcal {O}(\ log n)$节点,并且高于阈值时,它会影响$ \ Omega(n)$节点。这些是在小世界图中为SIR模型(和等效的渗流问题)建立相变的第一个完全严格的结果。尽管一维小世界图是一个理想化且不现实的网络模型,但我们的分析还是出现了许多现实的定性现象,包括疾病通过一系列局部爆发的传播,随机连接造成的危险以及影响超级传播者事件。