seraphritt/lethal_virus_on_network

Lethal Virus on a Network

Resumo

Esse modelo é baseado no modelo NetLogo "Virus on Network" com algumas adaptações feitas por @seraphritt.

As adaptações feitas foram:

• Nova variável dependente Virus Letal Chance foi adicionada.
• Nova variável independente Dead foi adicionada.
• Nova variável Stable foi adicionada, definindo assim a estabilidade do modelo na condição: "O modelo é considerado estável se não houver mais nenhum agente com estado Infected no grafo".
• Adicionada função de captura de dados feitos pelo experimento em arquivos .csv.

Para mais informações, leia a página: http://ccl.northwestern.edu/netlogo/models/VirusonaNetwork.

Biblioteca JavaScript utilizada para renderizar a rede: d3.js.

Hipótese Causal

A hipótese causal que se deseja provar é:

"A letalidade de um vírus não é a única variável independente responsável por uma grande taxa de mortes por causa viral."

Em outras palavras, com esse modelo deseja-se provar que somente a letalidade do vírus não pode ser a única responsável pela grande taxas de mortes no caso de uma epidemia viral. Procura-se provar que um vírus precisa de mais de uma característica (por ex. grande taxa de transmissão) além da alta letalidade para que cause um grande número de mortes.

Justificativas para as mudanças no código

O código original não tinha nenhuma variável ou forma de mensurar os agentes mortos ou a letalidade de um vírus, possuindo apenas 3 estados (Dead, Suscetible, Resistant). Isso posto, para a comprovação da hipótese causal foi necessário adicionar as 2 variáveis já mencionadas anteriormente.

Variáveis do modelo

Variáveis independentes:

• Number of agents define a quantidade de agentes na simulação, ou seja, o quantidade de vértices no grafo, em um intervalo de 10 a 100.
• Virus Letal Chance define a probabilidade do vírus mudar a cor do agente de vermelho (infected) para amarelo (dead), em um intervalo de 0 a 1.
• Avg Node Degree é a quantidade média de arestas que cada vértice possui, em um intervalo de 3 a 8.
• Initial Outbreak Size controla a quantidade de agentes na cor vermelha (infected no primeiro passo da simulação, em um intervalo de 1 a 10.
• Virus Spread Chance define a probabilidade dos vizinhos de um agente com a cor vermelha fazer com que seus vizinhos também fiquem com a cor vermelha, ou seja, infectados, em um intervalo de 0 a 1.
• Virus Check Frequency controla a probabilidade da simulação mudar o estado de um agente para infected ou dead, em um intervalo de 0 a 1.
• Recovery Chance define a probabilidade de um agente ter sua cor mudada para verde (suscetible) dado que está com a cor vermelha (infected), em um intervalo de 0 a 1.
• Gain Resistance Chance controla a probabilidade de um agente ter sua cor mudada para cinza (resistant), em um intervalo de 0 a 1.

Variáveis dependentes:

• Infected apresenta a quantidade de agentes infectados.
• Suscetible apresenta a quantidade de agentes suscetíveis a serem infectados.
• Resistant apresenta a quantidade de agentes resistentes ao vírus, ou seja, mesma que tenham contato com um agente infectado, esses agentes resistentes não serão infectados.
• Dead apresenta a quantidade de agentes mortos. Esses agentes não trasmitem o vírus.

Instalação

Para instalar as dependências use pip e o arquivo requirements.txt presente nesse diretório.

    $ pip install -r requirements.txt

Como executar

Para executar o modelo interativamente, digite mesa runserver nesse diretório.

    $ mesa runserver

Ou execute-o utilizando o comando python após instalar as dependências

    $ python run.py

Uma janela irá abrir-se automaticamente na porta http://127.0.0.1:8521/, então precisone Start.

Arquivos

• run.py: Executa o modelo e a interface do servidor.
• model.py: Contem a classe do agente do modelo e a classe geral do modelo.
• server.py: Define as classes que serão visualizadas no navegador por meio do servidor do modelo Mesa.

Para mais informações

Stonedahl, F. and Wilensky, U. (2008). NetLogo Virus on a Network model. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL.

Wilensky, U. (1999). NetLogo Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL.