摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-16页 |
1.1 课题研究背景和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 传染病数学建模 | 第11-12页 |
1.2.2 基于Multi-Agent系统传染病建模 | 第12-13页 |
1.2.3 基于复杂网络传染病建模 | 第13-14页 |
1.3 本文的研究内容 | 第14页 |
1.4 本文的组织结构 | 第14-16页 |
第2章 传染病传播数学模型研究 | 第16-22页 |
2.1 SI模型 | 第16-17页 |
2.2 SIS模型 | 第17-18页 |
2.3 SIR模型 | 第18-19页 |
2.4 SIS与SIR模型结合与扩展 | 第19-20页 |
2.5 本章小结 | 第20-22页 |
第3章 基于FCM的个体Agent建模研究 | 第22-32页 |
3.1 Agent的概念和基本特征 | 第22-23页 |
3.2 Agent基本结构模型 | 第23-25页 |
3.2.1 认知型Agent | 第23-24页 |
3.2.2 反应型Agent | 第24-25页 |
3.3 改进的Agent混合结构模型 | 第25-28页 |
3.3.1 Agent内部构成 | 第25-26页 |
3.3.2 Agent结构形式化模型 | 第26-28页 |
3.4 基于FCM的Agent推理模型 | 第28-30页 |
3.4.1 模糊认知图 | 第28-30页 |
3.4.2 Agent的FCM推理模型 | 第30页 |
3.5 Agent规则库 | 第30-31页 |
3.6 本章小结 | 第31-32页 |
第4章 复杂网络及改进网络模型研究 | 第32-48页 |
4.1 网络属性 | 第32-33页 |
4.2 几种复杂网络模型 | 第33-39页 |
4.2.1 规则网络 | 第33页 |
4.2.2 随机网络 | 第33-34页 |
4.2.3 小世界网络 | 第34-36页 |
4.2.4 无标度网络 | 第36-39页 |
4.3 改进的无标度网络模型 | 第39-47页 |
4.3.1 度分布定义及解析方法 | 第40-41页 |
4.3.2 演化模型 | 第41-45页 |
4.3.3 数据仿真 | 第45-47页 |
4.4 本章小结 | 第47-48页 |
第5章 基于Multi-Agent改进的无标度网络传染病传播模型 | 第48-66页 |
5.1 Multi-Agent和无标度网络结合方法 | 第48-49页 |
5.2 Multi-Agent改进的无标度网络传染病传播模型 | 第49-58页 |
5.2.1 仿真模型的参数集 | 第50-51页 |
5.2.2 个体Agent的状态集 | 第51页 |
5.2.3 个体Agent的属性集 | 第51-53页 |
5.2.4 个体Agent FCM决策推理模型 | 第53-55页 |
5.2.5 个体Agent规则库 | 第55-57页 |
5.2.6 关系网络重连规则 | 第57-58页 |
5.3 改进的无标度网络上Agent行为模型 | 第58-60页 |
5.4 传染病扩散传播过程 | 第60-61页 |
5.5 传染病传播模型集成GIS | 第61-65页 |
5.5.1 GIS数据格式 | 第61-62页 |
5.5.2 导入GIS数据 | 第62-63页 |
5.5.3 GIS渲染技术 | 第63-64页 |
5.5.4 传染病传播模型集成GIS效果展示 | 第64-65页 |
5.6 本章小结 | 第65-66页 |
第6章 传染病传播模型结果分析 | 第66-72页 |
6.1 仿真模型验证 | 第66-71页 |
6.1.1 基准情况 | 第66-67页 |
6.1.2 改进的无标度网络模型对传染病传播的影响 | 第67-68页 |
6.1.3 FCM推理模型对传染病传播的影响 | 第68-69页 |
6.1.4 人群规模对传染病传播的影响 | 第69-70页 |
6.1.5 初始感染率对传染病传播的影响 | 第70-71页 |
6.2 本章小结 | 第71-72页 |
结论 | 第72-74页 |
参考文献 | 第74-78页 |
攻读硕士学位期间取得的研究成果 | 第78-80页 |
致谢 | 第80页 |