Resumo |
Redes reais, tais como o Facebook, possuem características estruturais importantes como a heterogeneidade e o fato de serem livres-de-escala. A primeira é responsável pela diversidade de graus dos vértices que compõem a rede e a segunda com a forma pela qual esses graus são distribuídos. Essa distribuição é dada por uma lei de potência que, em geral, possuem caudas pesadas tal que a distribuição possui uma média definida mas um dispersão infinita. O estudo de modelos epidêmicos em redes complexas vem utilizando redes complexas com as propriedades citadas anteriormente, porém o efeito de uma característica importante de redes reais não foi estudada sistematicamente: o coeficiente de agregação (clustering) alto. Estudos recentes mostraram que a presença de vértices altamente conectados (hubs) alteram a natureza de epidemias nessas redes e é possível que o clustering também seja responsável por efeitos significativos, motivando este estudo. Com esse objetivo, um algoritmo de configuração de rede foi adaptado para obter redes com coeficiente de clustering alto: três vértices são escolhidos aleatoriamente e são feitas algumas tentativas de conectá-los. Os modelos de configuração de redes disponíveis na literatura permitiam a geração de redes não correlacionadas - que facilitam a análise teórica - mas apresentavam um coeficiente de clustering praticamente nulo, ignorando uma propriedade muito comum e fundamental em redes reais. Utilizando simulações computacionais com o método quase-estacionário (QS), foram estudados processos epidêmicos em redes complexas com coeficiente de agregação alto e com distribuição de graus em lei de potência. No Processo de Contato (PC), não observamos uma alteração significativa nos expoentes críticos para a densidade de vértices infectados, para o tempo característico e para a suscetibilidade demonstrando a robustez da classes universalidade anteriormente estabelecida para este modelo em redes com coeficiente de clustering baixo. No entanto, essa propriedade pode afetar a natureza da epidemia em modelos epidêmicos como o Suscetível-Infectado-Suscetível (SIS). Comparando-se redes de mesmo tamanho e propriedades, alterando apenas o clustering, foi notado um deslocamento dos limiares - encontrados pela análise de suscetibilidade - no Processo de Contato: o aumento do clustering da rede fez com que a epidemia necessitasse de uma taxa de infecção maior para se manter. Conhecer o limiar em modelos epidêmicos mais completos como o SIS é de extrema relevância para que se possa entender como as propriedades estruturais de uma rede complexa são responsáveis por alterações em aspectos dinâmicos de propagação de epidemias. Sendo assim, simulações computacionais e métodos da física estatística são utilizados neste trabalho para compreender e modelar aspectos mais próximos do mundo real. |