无标度网络SIS模型传播代码

%网络版functionSpreading_in__Networks_SIS2()clearall;clc;M=300;N=6;beta1=0;delta1=0.4%N个节点在M时刻的感染比例,p_state=zeros(N,M);q_state=zeros(2*N,M);formatlong;%迭代的步长step=0.025;L1=BA_net(N);%先把laplacian矩阵处理为邻接矩阵fori=1:NL1(i,i)=0;endL1=-L1;%初始函数p_state(:,1)=matix(N,0.2);q1=1;fori=1:Nforj=1:Nq1=q1*(1-L1(i,j)*p_state(j,1)*beta1);endq_state(i,1)=q1;endp_11=zeros(1,length(step:step:1));k=1;forbeta1=step:step:1fort=2:Mfori=1:Np_state(i,t)=(1-p_state(i,t-1))*(1-q_state(i,t-1))+(1-delta1)*p_state(i,t-1);endfori=1:Nq1=1;forj=1:Nq1=q1*(1-L1(i,j)*p_state(j,t)*beta1);endq_state(i,t)=q1;endendp1=0;fori=1:Np1=p1+p_state(i,M);endp_11(1,k)=p1/N;k=k+1;%把数据清掉，只留下第一个初始矩阵的值，这个很重要。p_state(:,2:M)=0;q_state(:,2:M)=0;endh=plot(step:step:1,p_11,'r-o');set(h,'LineWidth',2);set(gca,'FontSize',12);set(get(gca,'XLabel'),'FontSize',18);set(get(gca,'YLabel'),'FontSize',18);end%生成无标度网络functionA=BA_net(num)%%%从已有的m0个节点的网络开始，采用增长机制与优先连接的机制生成BA无标度网络%%A——————返回生成网络的邻接矩阵%m0=input('未增长前的网络节点个数m0:');%m=input('每次引入的新节点时新生成的边数m：');%N=input('增长后的网络规模N：');%disp('初始网络时m0个节点的连接情况：1表示都是孤立；2表示构成完全图；3表示随机连接一些边');%pp=input('初始网络情况1，2或3：');m0=2;m=2;N=num;pp=2;ifmm0disp('输入参数m不合法');return;endx=100*rand(1,m0);y=100*rand(1,m0);switchppcase1A=zeros(m0);case2A=-ones(m0);fori=1:m0A(i,i)=0;endcase3fori=1:m0forj=i+1:m0p1=rand(1,1);ifp10.5A(i,j)=1;A(j,i)=0;endendendotherwisedisp('输入参数pp不合法');return;endfork=m0+1:NM=size(A,1);p=zeros(1,M);x0=100*rand(1,1);y0=100*rand(1,1);x(k)=x0;y(k)=y0;ifisempty(find(A==-1))==0p(:)=1/M;elsefori=1:Mp(i)=length(find(A(i,:)==-1))/length(find(A==-1));endendpp=cumsum(p);%求累计概率fori=1:m%利用赌轮法从已有的节点中随机选择m个节点与新加入的节点相连random_data=rand(1,1);aa=find(pp=random_data);jj=aa(1);%节点jj即为用赌轮法选择的节点A(k,jj)=-1;A(jj,k)=-1;endendn=size(A);fori=1:nA(i,i)=-sum(A(i,:));endend%输入：N行数，默认列数是：2.a是第3列的和.%输出:输出第2列前num/2行和为a,后num/2行和也为a,所有行和都为1的num*2矩阵.functionmatix=matix(num,a)mydata1=rand(num,1);sum1=sum(mydata1);mydata1=mydata1/(sum1/a);matix=[mydata1;];end