病毒擴散仿真java程序，仿真模擬新冠肺炎病毒擴散

GitHub 地址如下：https://github.com/KikiLetGo/VirusBroadcast

源碼結構

源碼結構比較簡單，我們來一起看一下：

模型講解

我對仿真模型做了一個抽象和概括，我們一起對照着源碼分析模型的整個模擬過程和思路。

模型前提設置

首先，假設 C(400，400) 是城市的中心，整個城市是以 C 爲中心的圓，L=100 是圓的半徑。

假設 P(x，y) 就表示城市中的人，人受疫情影響有不同的狀態 S：

S.NORMAL=0：正常。
S.SUSPECTED=1：疑似。
S.SHADOW=2：病毒攜帶潛伏者。
S.CONFIRMED=3：確診。
S.FREEZE=4：隔離。
S.CURED=5：治癒。

對應於感染者，和確診者分別設置 infectedTime(被感染的時刻)和 confirmedTime(確診的時刻)。

其次，假設醫院是高爲 H，寬爲 W 的長方形區域，其中矩形左下角座標爲 H(800，110)。

爲了表示醫院容量的大小，我們把 H=606 設爲常量，則 W 越大表示醫院的可容納量越大(也即牀位越多);然後，假設 B(x，y) 就表示位於醫院內的牀位。

最後我們要設置一些啓動參數：

int ORIGINAL_COUNT=50：初始感染數量。
float BROAD_RATE=0.8f：傳播率。
float SHADOW_TIME=140：潛伏時間。
int HOSPITAL_RECEIVE_TIME=10：醫院收治響應時間。
int BED_COUNT=1000：醫院牀位。
float u=0.99f：流動意向平均值。

模型啓動初始化

模型啓動時，我們在以 C 爲中心 L 爲半徑的圓內隨機產生 5000 個 P：

/** 
     * 以（400，400）爲城市中心，在方圓100單位長度以內， 
     * 僞隨機（近似正態分佈）出5000人； 
     * 如果person的x軸座標超過了700，則就按700算（爲了限制到一定範圍內） 
     */ 
    private PersonPool() { 
        City city = new City(400,400); 
        for (int i = 0; i < 5000; i++) { 
            /** 
             * random.nextGaussian() 
             * 返回均值0.0和標準差1的僞隨機（近似）正態分佈的double。 
             */ 
            Random random = new Random(); 
            int x = (int) (100 * random.nextGaussian() + city.getCenterX()); 
            int y = (int) (100 * random.nextGaussian() + city.getCenterY()); 
            if(x>700){ 
                x=700; 
            } 
            Person person = new Person(city,x,y); 
            personList.add(person); 
        } 
    }

並根據 ORIGINAL_COUNT=50：初始感染數量，初始化 50 個感染者(狀態爲 S.SHADOW 的 P)：

List<Person> people = PersonPool.getInstance().getPersonList(); 
        for(int i=0;i<Constants.ORIGINAL_COUNT;i++){ 
            //生成人口規模範圍內的隨機整數 
            int index = new Random().nextInt(people.size()-1); 
            Person person = people.get(index); 
            //避免隨機值碰撞 
            while (person.isInfected()){ 
                index = new Random().nextInt(people.size()-1); 
                person = people.get(index); 
            } 
            //生成感染者 
            person.beInfected(); 
        }

模型運行

啓動之後模型就開始模擬人員流動，模擬病毒隨人羣如何傳播，以及醫院如何收治，我這裏着重講解一下。

①模擬人員流動

首先要知道，P 是否流動與 P 的狀態 S 和流動意願值有關係，如果 S=S.FREEZE(也即被醫院隔離)則無法流動，如果 P 不想動則也不會流動。其中這裏流動意願值如何計算的呢?

個人流動意願值=流動意向平均值+隨機流動意向：

public boolean wantMove(){ 
       //流動意向平均值+隨機流動意向 
       double value = sig*new Random().nextGaussian()+Constants.u; 
       return value>0; 
   }

P(x1，y1) 初次流動時會隨機產生一個 T(x2，y2) 目標地，且 T 是限制在以 P 爲圓心的一定範圍內的。

那麼 P 是如何向 T 流動的呢?這裏不是簡單的直接 moveTo(T)，爲了更真實模擬實際情況，P 其實是逐漸靠近 T 的。

假設 D 是 P 到 T 之間的距離，則 D = sqrt(pow(x1-x2，2)+pow(y1-y2，2)) ：

若 D<1，則認爲 P 已經到達 T。
若 D>1，則下一次 P 到達的座標是 [(x2-x1)/|x2-x1|，(y2-y1)/|y2-y1|]，其實就是超過了 -1，還沒到 +1。

P 到達目的地後就不動了嗎?不是的，P 到達目的地後會在隨機產生下一個目的地，然後以同樣的算法趨近目的地。

private void action(){ 
        //已隔離，無法行動 
        if(state==State.FREEZE){ 
            return; 
        } 
        //不想動，也無法行動 
        if(!wantMove()){ 
            return; 
        } 
        //如果還沒有行動過，或者目標地已經到達，則重新隨機產生下一個目標地 
        if(moveTarget==null||moveTarget.isArrived()){ 
 
            double targetX = targetSig*new Random().nextGaussian()+targetXU; 
            double targetY = targetSig*new Random().nextGaussian()+targetYU; 
            moveTarget = new MoveTarget((int)targetX,(int)targetY); 
 
        } 
 
        /** 
         * dX : 目標地與當前位置的相對x軸座標差 
         * dY : 目標地與當前位置的相對y軸座標差 
         * length : 目標地與當前位置的距離 
         */ 
        int dX = moveTarget.getX()-x; 
        int dY = moveTarget.getY()-y; 
        double length=Math.sqrt(Math.pow(dX,2)+Math.pow(dY,2)); 
        //如果目標地與當前位置誤差在1步長內，則視爲已經到達目的地 
        if(length<1){ 
            moveTarget.setArrived(true); 
            return; 
        } 
        //否則，縮小每次移動的步長，控制在（1，根號2）以內 
        int udX = (int) (dX/length); 
        if(udX==0&&dX!=0){ 
            if(dX>0){ 
                udX=1; 
            }else{ 
                udX=-1; 
            } 
        } 
        int udY = (int) (dY/length); 
        if(udY==0&&dY!=0){ 
            if(dY>0){ 
                udY=1; 
            }else{ 
                udY=-1; 
            } 
        } 
        //如果當前位置已經超出邊界，則重新規劃目的地，並往回走udx個步長 
        if(x>700){ 
            moveTarget=null; 
            if(udX>0){ 
                udX=-udX; 
            } 
        } 
        moveTo(udX,udY); 
    }

②模擬病毒傳播與醫院收治

因爲有沒有感染病毒，有沒有隔離病毒，其實都是和人有關係，所以模擬病毒傳播其實就是模擬 P 的狀態 S 的變遷。

這裏有一個前提說明：設置 worldTime 表示當前時刻，初始化爲 0，JPanel 面板每刷新一次，worldTime+1。

若 S=S.FREEZE，則 P 已經被醫院收治，已被隔離。狀態不更新。
若 S=S.CONFIRMED，且 worldTime-confirmedTime>=Constants.HOSPITAL_RECEIVE_TIME，也即 P 已確診且距確診時間已經超過醫院反應時間，則說明 P 應該被醫院收治。
但是如果醫院有牀位，則將 P(x1，y1) 移動到 B(x2，y2)，即表示已收容;如果醫院沒有牀位了，則 P(x1，y1) 無法收容，依然參與人員流動過程。
若 S=S.SHADOW，且 worldTime-infectedTime>Constants.SHADOW_TIME，也即 P 是已被感染者，且感染期限超出潛伏期，則此時應轉爲 CONFIRMED(確診)狀態。

狀態遷移搞清楚了，那還有一個問題，正常人是如何被感染的?這與兩個參數有關：

BROAD_RATE，這個是我們上面提到過的傳播率參數，表示人是否被感染有一定概率。
SAFE_DIST，表示正常人和疑似者/感染者/確診者等之間的安全距離。

當概率隨機值超過 BROAD_RATE，且正常人和疑似者/感染者/確診者等之間的距離小於 SAFE_DIST 時，正常人會被成爲感染者，狀態 S=S.SHADOW(潛伏者)：

public void update(){ 
        //已隔離，狀態不更新 
        if(state>=State.FREEZE){ 
            return; 
        } 
        //若已確診時長超過醫院反應時間，則表示此確診者已被隔離到醫院 
        if(state==State.CONFIRMED&&MyPanel.worldTime-confirmedTime>=Constants.HOSPITAL_RECEIVE_TIME){ 
            Bed bed = Hospital.getInstance().pickBed(); 
            if(bed==null){ 
                System.out.println("隔離區沒有空牀位"); 
            }else{ 
                //被隔離起來了 
                state=State.FREEZE; 
                x=bed.getX(); 
                y=bed.getY(); 
                bed.setEmpty(false); 
            } 
        } 
        //若已感染時長超過潛伏期，則潛伏者就會確診，確診時間就是當前時間 
        if(MyPanel.worldTime-infectedTime>Constants.SHADOW_TIME&&state==State.SHADOW){ 
            state=State.CONFIRMED; 
            confirmedTime = MyPanel.worldTime; 
        } 
 
        action(); 
 
        List<Person> people = PersonPool.getInstance().personList; 
        if(state>=State.SHADOW){ 
            return; 
        } 
       for(Person person:people){ 
           if(person.getState()== State.NORMAL){ 
               continue; 
           } 
           /** 
            * Random().nextFloat() 
            * 用於獲取下一個從這個僞隨機數生成器的序列中均勻分佈的0.0和1.0之間的float值 
            */ 
           float random = new Random().nextFloat(); 
           //隨機float值小於傳播率，且與感染者安全距離小於SAFE_DIST時，此人就會別感染 
           if(random<Constants.BROAD_RATE&&distance(person)<SAFE_DIST){ 
               this.beInfected(); 
           } 
       } 
    }

調節參數來模擬效果

我們上面提到了啓動仿真所需的那些參數：

public class Constants { 
    public static int ORIGINAL_COUNT=50;//初始感染數量 
    public static float BROAD_RATE = 0.8f;//傳播率 
    public static float SHADOW_TIME = 140;//潛伏時間 
    public static int HOSPITAL_RECEIVE_TIME=10;//醫院收治響應時間 
    public static int BED_COUNT=1000;//醫院牀位 
    public static float u=0.99f;//流動意向平均值 
}

根據模擬效果可以明顯看出來，流動意願平均值是一個很重要的參數，即使是傳播率較大，醫院資源緊缺，潛伏期較長的情況下，只要大家都不出門，有效控制人羣流動，那麼疫情很快就可以被消滅。

所以“防疫的中堅力量其實是廣大的人民羣衆，忍一時風平浪靜，別在往出去跑給國家添麻煩了!”

模型優化

其實這個模型並不複雜，簡單總結一下：

這裏模擬的是一個城市，且城市模型是理想化的。
人羣分佈是僞隨機正態分佈的。
人的流動模型很簡單，就是一個點向另一個點以小步長趨近。
病毒傳播模型就是根據一定概率加上安全距離的限定來模擬人傳人。
醫院收治模型就是根據感染時長和確診時長來模擬收治。

針對這幾個點，想到的優化思路：

多個城市中心(這也是程序作者的意見之一)。
人羣分佈可以調參，可以根據實際情況來確定分佈密度。
在加上收治病人治癒出院的情況，更加符合實際。
病毒傳染更加科學準確的模型(因爲一個人染上病是多方面因素的綜合疊加)，作者嘗試使用DNN對病毒進行建模（包括病毒變異）。

病毒擴散仿真java程序，仿真模擬新冠肺炎病毒擴散

使用JS請你實現一個大文件上傳和斷點續傳

超詳細：如何設計出健壯的秒殺系統？（高併發系統設計思路）

病毒擴散仿真java程序，仿真模擬新冠肺炎病毒擴散

前後端分離開發，HTTP API 認證授權術

後臺性能優化實踐實戰

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結