matlab仿真消息在网络平台的传播

最新推荐文章于 2024-09-17 13:34:31 发布

原创

最新推荐文章于 2024-09-17 13:34:31 发布 · 3.3k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #网络

本文通过Matlab仿真，详细探讨了消息在网络平台的传播过程，包括无标度网络的生成，理想模型的构建，以及考虑了不同消息间的相互影响和传播方式差异的分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

step1代码为网上copy的代码，其余部分原创
step1:生成无标度网络

N = 1000; m0 = 3;m = 3; %初始结点3，度3 节点数N
adjacent_matrix = sparse(m0,m0);%初始化邻接矩阵
for i = 1:m0
    for j = 1:m0
        if j~=i%去掉自身形成的环
            adjacent_matrix(i,j) = 1;%建立初始临界矩阵
        end
    end
end
adjacent_matrix = sparse(adjacent_matrix);
node_degree = zeros(1,m0+1);
node_degree(2:m0+1) = sum(adjacent_matrix);
for iter = 4:N
    iter
    total_degree = 2*m*(iter - 4)+6;
    cum_degree = cumsum(node_degree);
    choose = zeros(1,m);
    %选出第一个和新点相连接的定点
    r1 = rand(1)*total_degree; %计算与已存在点相连的概率
    for i = 1:iter-1
        if(r1>=cum_degree(i))&(r1<cum_degree(i+1))%选取度大的点
            choose(1) = i;
            break
        end
    end
    %选出第二个和新点相连接的顶点
    r2 = rand(1)*total_degree;
    for i = 1:iter-1
        if(r2>=cum_degree(i))&(r2<cum_degree(i+1))
            choose(2) = i;
            break
        end
    end
    while choose(2) == choose(1)
        r2 = rand(1)*total_degree;
        for i = 1:iter-1
            if(r2>=cum_degree(i))&(r2<cum_degree(i+1))
                choose(2) = i;
                break
            end
        end
    end
    %选出第三个和新点相连接的顶点
    r3 = rand(1)*total_degree;
    for i = 1:iter-1
        if(r3>=cum_degree(i))&(r3<cum_degree(i+1))
            choose(3) = i;
            break
        end
    end
    while (choose(3) == choose(1)|choose(3) == choose(2))
        r3 = rand(1)*total_degree;
        for i = 1:iter-1
            if(r3>=cum_degree(i))&(r3<cum_degree(i+1))
                choose(3) = i;
                break
            end
        end
    end
    %把新点加入网络后，对邻接矩阵进行相应的改变！   
    for k = 1:m
        adjacent_matrix(iter,choose(k))=1;
        adjacent_matrix(choose(k),iter)=1;
    end
    node_degree = zeros(1,iter+1);
    node_degree(2:iter+1) = sum(adjacent_matrix);
end
save data adjacent_matrix

step2:理想模型

%所有人接受消息%最初的模型，概率不变，人群相同
adj =adjacent_matrix;%邻接矩阵
num = size(adj);num = num(1);
N = 17;%循环次数
beta = 0.2; %未知者变为传播者概率
alpha = 0.1;%传播者变为超级传播者
delta = 0.3;%超级传播者接受消息变为免疫者
gamma = 0.3;%传播者变为免疫者
I = zeros(num,1); %未知者 0   传播者 1   超级传播者 2     免疫者 -1
im = zeros(N,1); im(1) = num;
s = zeros(N,1);s(1) = 0;
jm = zeros(N,1);jm(1) = 0;
r = zeros(N,1);r(1) = 0;
%信息发布者为超级传播者

for i = 2:1:N
    for j = 1:num
        if (rand(1) < beta)&&(I(j) == 0)%未知者变为传播者
            I(j) = 1;
        end
    end
    for j =