Etude de réseaux aléatoires selon les modèles d'arbre, SIR
, SIS
et SIRS
. Permet d'avoir la représentation graphique de l'état du réseau après un nombre fini de tours, ainsi qu'une animation.
Inspiré de Networks, Crowds and Markets de David Easley et Jon Kleinberg.
Exemple de résultat obtenu avec sirs.py
avec pour paramètres n=60, d=[4, 2], p=0.05, turns=100, graph=0.3
:
Une étude des déplacements dans l'objectif de faire une étude sur le comportement d'épidémies dans une population.
Exemple de résultat obtenu avec repartition.py
pour paramètres secteur=102
:
Une librairie permettant l'étude d'un réseau de participants consommant deux produits et interagissant en s'influencant réciproquement.
Introduit les classes Network
et Player
.
Basé sur Competitive Diffusion in Social Networks: Quality or Seeding?
Le code est écrit pour Python 3.6.1 (au moins 3.6 pour les 'literal string'). Il est nécessaire d'installer les librairies networkx
, matplotlib
, seaborn
et numpy
afin de pouvoir éxecuter les scripts Python.
La création d'animations requiert ffmpeg
pour l'encodage automatique (facultatif) et vlc
pour le visionnage automatique (aussi facultatif).
La partie trajectométrie requiert la présence de trajecto.csv
, une liste de données contenant des informations selon un format décrit dans convert.py
.