README.md

  - Gère les états Susceptible/Infecté/Immunisé
  - Simulation jour par jour avec processus stochastique
- `ImmunizationStrategy` : Trois stratégies statiques
  - `randomImmunization` : Sélection uniforme
  - `acquaintanceImmunization` : Paradoxe de l'amitié
  - `hubImmunization` : Ciblage direct des hubs (par degré)
- `EpidemicAnalyzer` : Calcul analytique de τ = <k²>/<k> - 1
- `SimulationExporter` : Export TSV pour gnuplot (Locale.US pour points décimaux)

---

## Références Scientifiques

### Articles fondamentaux

**Réseaux sans échelle** :
- Barabási, A.-L., & Albert, R. (1999). *Emergence of Scaling in Random Networks*. Science, 286(5439), 509-512.
  - Introduit le modèle d'attachement préférentiel
  - Explique la loi de puissance dans les réseaux complexes

**Réseaux petit monde** :
- Watts, D. J., & Strogatz, S. H. (1998). *Collective dynamics of 'small-world' networks*. Nature, 393(6684), 440-442.
  - Définit les propriétés small-world (clustering élevé + courtes distances)
  - Introduit le modèle de "rewiring"

**Réseaux de collaboration scientifique** :
- Newman, M. E. J. (2001). *The structure of scientific collaboration networks*. PNAS, 98(2), 404-409.
  - Analyse structurelle de plusieurs réseaux scientifiques
  - Confirme loi de puissance et clustering élevé

- Newman, M. E. J. (2001). *Scientific collaboration networks. II. Shortest paths, weighted networks, and centrality*. Physical Review E, 64(1), 016132.
  - Distances moyennes dans les réseaux scientifiques
  - Propriétés de centralité

**Épidémies dans les réseaux** :
- Pastor-Satorras, R., & Vespignani, A. (2001). *Epidemic Spreading in Scale-Free Networks*. Physical Review Letters, 86(14), 3200-3203.
  - Seuil épidémique dans les réseaux sans échelle : τ = <k²>/<k> - 1
  - Absence de seuil pour γ ≤ 3 (propagation toujours possible)

- Pastor-Satorras, R., & Vespignani, A. (2002). *Epidemic dynamics in finite size scale-free networks*. Physical Review E, 65(3), 035108.
  - Effets de taille finie sur la dynamique épidémique

**Stratégies d'immunisation** :
- Cohen, R., Havlin, S., & ben-Avraham, D. (2003). *Efficient Immunization Strategies for Computer Networks and Populations*. Physical Review Letters, 91(24), 247901.
  - Comparaison immunisation aléatoire vs ciblée
  - Démontre l'efficacité de l'immunisation acquaintance (paradoxe de l'amitié)

- Holme, P. (2004). *Efficient local strategies for vaccination and network attack*. Europhysics Letters, 68(6), 908.
  - Stratégies locales d'immunisation
  - Comparaison de différentes heuristiques

**Paradoxe de l'amitié** :
- Feld, S. L. (1991). *Why Your Friends Have More Friends Than You Do*. American Journal of Sociology, 96(6), 1464-1477.
  - Formulation originale du paradoxe de l'amitié
  - Applications aux réseaux sociaux

### Livres de référence

- Barabási, A.-L. (2016). *Network Science*. Cambridge University Press.
  - Approche pédagogique de la science des réseaux
  - Disponible gratuitement : [networksciencebook.com](http://networksciencebook.com/)

### Bases de données

- **SNAP** (Stanford Network Analysis Project) : [snap.stanford.edu](https://snap.stanford.edu/)
  - Collection de réseaux réels (sociaux, biologiques, web, etc.)
  - DBLP, Facebook, Twitter, Amazon, citations, etc.


### Outils et logiciels

- **GraphStream** : [graphstream-project.org](https://graphstream-project.org/)
  - Bibliothèque Java pour analyse et visualisation de graphes dynamiques
  - API claire, nombreux algorithmes implémentés

- **gnuplot** : [gnuplot.info](http://www.gnuplot.info/)
  - Outil de visualisation scriptable
  - Idéal pour génération automatique de graphiques


---

**Fin du rapport**

---

**Auteur** : Hamadou BA

**Cours** : Mesures de réseaux d'interaction

**Institution** : Université Le Havre Normandie


**Version** : 2.0 (rapport unifié Partie 1 + Partie 2)