[论文解读] Impacts of complex behavioral responses on asymmetric interacting spreading dynamics in multiplex networks

Quan-Hui Liu, Wei Wang+2 more|arXiv (Cornell University)|Sep 28, 2015

Complex Network Analysis Techniques被引用 5

一句话总结

本文研究了在多层网络中疾病与信息在不同层传播时的非对称传播动力学，其中人类对疾病认知的行为反应被建模为非马尔可夫、社会强化的过程。研究发现，这种复杂的行为采纳显著提高了流行病阈值，并降低了最终感染率，且社会强化与信息传播之间的最优平衡可最小化总体社会成本（疫苗接种+治疗）。

ABSTRACT

Information diffusion and disease spreading in communication-contact layered network are typically asymmetrically coupled with each other, in which how an individual being aware of disease responds to the disease can significantly affect the disease spreading. Many recent studies have demonstrated that human behavioral adoption is a complex and non-Markovian process, where the probability of adopting one behavior is dependent on the cumulative times of the received information and the social reinforcement effect of these cumulative information. We study the impact of such a non-Markovian vaccination adoption behavior on the epidemic dynamics and the control effects. We find that this complex adoption behavior caused from the communication layer can significantly increase the epidemic threshold and reduce the final infection rate. By defining the social cost as the sum of the cost of vaccination and the cost of treatment, we show that there exists an optimal social reinforcement effect or optimal information transmission rate allowing the minimal social cost. We also develop a mean field based theory to verify the correctness of the simulation results.

研究动机与目标

• 理解非马尔可夫、社会强化的行为反应如何影响多层网络中的非对称传播动力学。
• 建立累积信息暴露与社会强化对疫苗接种采纳和流行病控制影响的模型。
• 识别信息传播与社会强化的最优参数，以最小化总体社会成本（疫苗接种+治疗）。
• 开发并验证一种平均场理论，以解释双层（通信-接触）网络系统中的模拟结果。
• 考察网络结构（ER、SF）如何影响基于行为的流行病控制策略的有效性。

提出的方法

• 构建一个双层多层网络：一层用于信息传播（A层），一层用于疾病传播（B层），两层具有不同的网络拓扑结构（ER、SF）。
• 引入一种非马尔可夫行为采纳机制，其中接种疫苗的概率取决于累积的信息暴露与社会强化（即已知邻居的数量）。
• 采用改进的SIR模型，引入‘警戒’状态，表示个体在接收到信息后采纳预防行为。
• 将社会成本定义为疫苗接种与治疗成本之和，成本比 $ c_R/c_V $ 作为可调参数。
• 采用平均场理论推导流行病阈值与最终感染率的解析表达式，并与模拟结果进行验证。
• 在不同网络类型（ER-ER、SF-SF、SF-ER）下系统开展模拟，变化参数 $ \alpha $（社会强化）、$ \lambda_A $（信息传播速率）和 $ \lambda_B $（疾病传播速率）。

实验结果

研究问题

• RQ1 非马尔可夫、社会强化的行为采纳如何影响非对称传播动力学中的流行病阈值？
• RQ2 社会强化与信息传播速率的何种最优水平可最小化疾病控制的总体社会成本？
• RQ3 网络结构（ER与SF）如何影响基于行为的流行病抑制效果？
• RQ4 累积信息暴露在多大程度上改变了最终感染率与疫苗接种率？
• RQ5 平均场理论能否准确预测多层网络中复杂非马尔可夫行为动态的结果？

主要发现

• 具有社会强化的非马尔可夫行为反应显著提高了流行病阈值，延迟或防止大规模爆发。
• 当个体基于累积的、社会强化的信息采纳疫苗接种时，疾病层的最终感染率显著降低。
• 存在最优的社会强化效应 $ \alpha_{\text{opt}} $ 与信息传播速率 $ \lambda_{A}^{\text{opt}} $，可使总体社会成本最小化，且最小成本出现在 $ \alpha $ 的中间值区域。
• 在ER与SF网络中，最优控制参数（如 $ \alpha_{\text{opt}} $）对不同疾病传播速率 $ \lambda_B $ 具有鲁棒性，表明研究结果具有普适性。
• 平均场理论能准确预测模拟结果，验证了该分析框架在多层系统中非马尔可夫行为采纳的有效性。
• 在SF-SF网络中，参考流行病阈值 $ \lambda_{Be} $ 随 $ \alpha $ 增加而上升，理论预测与数值结果高度吻合，证实了模型的有效性。