改进的SIR模型评估k个重要点算法（Python）

import networkx as nx
import numpy as np
import os.path as osp
import matplotlib.pyplot as plt
import random 

def spread_model_smooth（DGtopkmax_iter_numinfect_rate=0.8remove_rate=0.2）:
    CG = DG.to_directed（）
    #max_weight = max（[e[2][‘weight‘] for e in CG.edges（data=True）]）
    N = CG.number_of_nodes（）
    node_state={node:0 for node in CG}
    nx.set_node_attributes（CG node_state “state“）#为节点添加属性
    for n in topk:
        CG.node[n][‘state‘] = 1
    random.seed（150）
    for e in CG.edges（）:
        if（CG[e[0]][e[1]][‘weight‘]==1）:
            CG[e[0]][e[1]][‘prob‘] = random.uniform（01）
        else:
            CG[e[0]][e[1]][‘prob‘] = 1
    
    all_infect_nodes = []#累计受感染节点
    all_infect_nodes.extend（topk）
    all_count_infect = [len（all_infect_nodes）]#记录每一次受感染的节点总数
    
    infected_digraph = nx.DiGraph（）
    infected_digraph.add_nodes_from（topktime=0）
    
    all_remove_nodes = []#累计治愈节点
    all_count_remove = [0]#记录每一次免疫的总数
    
    count_iter_infect = [len（topk）]#记录每次新增的感染节点数量
    count_iter_remove = [0]#记录每次新增的免疫节点数量
    all_count_suscep = [N-len（topk）]#记录每次易感染节点数量
    for i in range（max_iter_num）:
        new_infect = []
        new_remove = []
        #t1 = ‘%s time‘ % i + ‘ %s nodes‘ % len（all_infect_nodes）
        #print（t1） # 当前有多少个节点被感染

        for v in all_infect_nodes:
            
            if （i!=0 and random.uniform（01）                CG.remove_node（v）#该节点具有免疫能力，不再传播，应该从原始图中去除
                #all_infect_nodes.remove（v）#治愈之后，将不会出现该节点，节点失效
                #infected_di