我运行了一个类似于"病毒"的传染病传播模型;模型库中的模型更改"传染性"。
传染性值98%我每次运行20次95%,93%,和最大感染count74.0573年,78.9、分别。(3个传染性值的峰值均在第38个蜱虫处)
[我取每只蜱虫感染数的平均值，取这些平均值的最大值作为"最大感染数"。]
我原以为最大感染数会随着传染性的降低而减少，但事实并非如此。根据我的理解，这种情况会发生，因为我考虑了每次模拟运行的平均值。(这就像我正在考虑一个新的模拟运行，每个滴答声的平均感染计数)。
我想说的是，我正在考虑所有20次模拟运行。除了使用平均值，还有别的方法吗?
在模型库病毒模型中，默认参数设置为其他值，以及那些高传染性值，当我运行模型时，我看到的是第三类人的周期性变化。看看左下角的图，你会看到这个。我认为，实际情况是这样的:
-
当有很多健康的，没有免疫力的人，这意味着有很多人可以被感染，所以感染人数上升，健康人数下降。
-
在那之后不久，生病的、有传染性的人的数量下降，因为他们要么死亡，要么变得免疫。
-
由于现在有更多的免疫人群，而更少的感染人群，无免疫健康的人数增加;他们正在繁殖。(参见"它是如何工作的";在"信息"选项卡中。)但是现在我们又回到了第一步的情况，……如此循环往复。
如果您的模型与Models Library病毒模型足够相似，我敢打赌这是正在发生的事情的一部分。如果您没有像病毒模型那样的绘图窗口，我建议您添加它。
还有，你没有说你要运行模型多少次。如果你运行它一小段时间，你不会注意到周期性行为，但这并不意味着它还没有开始。
这一切都意味着增加传染性并不一定会增加最大感染人数:更快的感染率意味着可以感染的人数下降得更快。我不确定在整个运行过程中感染的最大数量是一个有趣的数字，这个模型和高传染性值。这取决于你想要理解什么。
NetLogo和其他一些ABM系统的一个伟大之处在于，您可以使用各种工具(如绘图、监视器等)观察系统随时间的演变，也可以观察代理随时间的移动或状态的变化。这可以帮助你以一种像平均值这样的单一数字无法做到的方式来理解正在发生的事情。然后，你可以利用这种洞察力找出一种更有信息的方法来衡量正在发生的事情。
另一个可以看到类似周期性模式的模型是狼-羊捕食。我建议大家看一下。这种模式可能更容易理解。(如果你对这种现象的数学模型感兴趣，可以查阅Lotka-Volterra模型。)
(真正的病毒传播可能更复杂，因为一个人(或其他动物)是一种巨大的"岛屿";在那里病毒可以快速繁殖。如果它们繁殖过快，就会杀死宿主，从而阻止病毒的进一步传播。有时，一种繁殖较慢的病毒可能会伤害更多的人，因为它们有时间感染其他人。这篇博客文章由Elliott Sober给出了一个相对简单的数学介绍，涉及到一些问题，但他的简单数学模型并没有考虑到真正的病毒传播所涉及的所有复杂性。
编辑:Lawan，你添加了一条评论，说你对COVID-19传播建模感兴趣。black、Blackstone和Berg发表的论文《变异和多层选择的SARS - CoV - 2》表明，我在前面的评论中提到的一些动态可能是COVID-19传播的特征。那篇论文大约是六个月前发表的，它提供了一些基于有限信息的猜测。现在可能知道的更多了，但这可能为进一步调查提供了途径。
如果你感兴趣，你也可以考虑在生物堆栈交换网站上询问有关病毒传播的一般问题。