Effective Testing Policies for Controlling an Epidemic Outbreak
检测是控制流行病爆发的关键机制,因为它使卫生当局能够发现和隔离感染病例,从而在没有有效治疗或疫苗的情况下限制疾病向易感人群的传播。本文提出了一个以检测率为控制输入的传染病模型。该模型区分了未检测到的感染者和已检测到的感染者,并假设后者与疾病在人群中的传播过程无关。两个测试政策,有效的流行病发作时,没有治疗或疫苗,设计:(一)尽最大努力的测试策略(最佳)和(二)恒定的最优策略的测试(成本)。BEST是一种抑制政策,它为检测率提供了一个下界,以阻止疫情的增长。COST是一种缓解策略,当检测总量有限时,通过在一定时间间隔内提供恒定的最佳检测分配来最大限度地减少流行病的高峰。两项检测政策均根据其对法国重症监护病房(ICU)活跃病例数和COVID-19累计死亡人数的影响进行评估。
2021-09-26 cs.SY eess.SY math.OC
Model Predictive Control of Spreading Processes via Sparse Resource Allocation
在本文中,我们提出了一个模型预测控制(MPC)方法的实时干预的传播过程,如流行病和野火,在大规模的网络。目标是在每个时间步骤分配预算资源,以最大限度地降低未被发现的疫情风险,即疫情发生概率和疫情影响的乘积。通过使用动态规划松弛,MPC控制器被重新表示为凸优化问题,特别是指数锥规划。给出了闭环风险渐近下降的充分条件和风险单调下降的上界的估计方法。数值结果提供了一个野火的例子。
2022-10-27 cs.SY eess.SY math.OC
Mitigating Biological Epidemic on Heterogeneous Social Networks
最近的新型冠状病毒疫情表明,需要有效的疫情爆发管理。我们研究的最优控制问题,最小化感染人口的比例,通过应用疫苗接种和治疗控制策略,而在同一时间,最小化实施它们的成本。我们使用基于度的易感-感染-扩散(SIR)房室模型对流行病进行建模。我们研究了不同的网络拓扑结构对最优流行病管理策略的影响,并给出了Erdos-Renyi,无标度和真实世界网络的结果。为了有效的计算建模,我们形成多组的度类,并将单独的疫苗接种和治疗控制信号应用于每组。这使我们能够识别在给定的网络拓扑结构中在减轻流行病方面发挥重要作用的度类。我们比较了最优控制策略和非最优策略(恒定控制和无控制),并研究了各种模型参数对系统的影响。我们确定的战略(疫苗接种/治疗)在控制流行病在不同的网络拓扑结构中起着重要的作用。我们还研究了疫苗接种成本和治疗控制对资源分配的影响。我们发现,最优策略实现了显着的改善,在本文研究的所有网络的非最优算法。我们的研究结果可能对政府和卫生保健当局在流行病爆发期间设计有效的疫苗接种和治疗活动感兴趣。
2021-12-06 cs.SI cs.SY eess.SY
Multi-Stage Sparse Resource Allocation for Control of Spreading Processes over Networks
在本文中,我们提出了一种稀疏的动态分配资源的方法,以限制风险的传播过程,如流行病和野火,使用凸优化和动态规划技术。在这里,风险被定义为爆发的风险,即在一段时间内爆发的概率与该爆发的未来影响的乘积,我们可以在每个时间步骤分配预算资源以限制或最小化风险。我们的方法,特别是提供了稀疏的资源,这是重要的,由于涉及到传播过程的大型网络结构,并具有优势,当资源不能广泛分布。
2021-10-14 cs.SY eess.SY math.DS
Sequential Fair Allocation: Achieving the Optimal Envy-Efficiency Tradeoff Curve
我们考虑的问题,有限的资源分配到个人到达$T$轮。每一轮都有随机数的个体到达,个体可以通过他们的类型(即对不同资源的偏好)来表征。在这种情况下,“公平”的标准概念是分配同时满足无嫉妒和效率。前者是一种个人保证,要求每个代理人都更喜欢自己的分配,而不是任何其他人的分配;相反,效率是一种全局属性,要求分配清除可用资源。对于可分资源,当预先知道每种类型的个体数量时,对于一大类效用函数,上述要求是同时可实现的。然而,在一个在线设置时,每种类型的个人的数量只显示轮,没有政策可以保证这些desiderata同时,因此,最好的一个可以做的是尝试和分配,以便近似满足这两个属性。我们表明,在在线设置中,两个所需的属性(envy-freeness和效率)是在直接的竞争,在任何算法实现添加剂反事实envy-freeness的$L_T$的一个因素必然遭受至少$1 / L_T$的效率损失。我们补充这个不确定性原则与一个简单的算法,HopeGuardian,它分配资源的基础上的自适应阈值政策,并能够实现任何公平效率点在这个前沿。在仿真结果中,我们的算法提供了分配接近最佳公平解决方案,在事后,激励其在实际应用中的算法是能够适应任何所需的公平效率的权衡。
2022-09-29 cs.GT cs.SY eess.SY
Epidemic Informatics and Control: A Holistic Approach from System Informatics to Epidemic Response and Risk Management in Public Health
The Pennsylvania State University(宾夕法尼亚州立大学);Milton S. Hershey Medical Center(米尔顿·S·赫希医学中心)
本文针对疫情应对与管理提出整体系统信息学方法DMAIC,定义疫情相关挑战,回顾数据收集等方法,强调利用数据和分析工具,探讨医疗保健新趋势及优化策略,有望推动多学科研究,加速该方法在疫情防控中的应用。
2026-07-16 cs.CY cs.SY eess.SY
Traffic Control for Network Protection Against Spreading Processes
University of Pennsylvania(宾夕法尼亚大学)
本文研究了通过优化有限预算分配三种保护资源来遏制病毒传播过程,提出利用几何规划在任意加权有向接触网络中实现多项式时间解决方案。
2013-10-18 cs.SI cs.SY eess.SY
Implementability of Honest Multi-Agent Sequential Decision-Making with Dynamic Population
研究了动态环境下多智能体系统资源分配决策机制的设计问题。个体对资源的偏好会随着时间的推移而变化,并且由于采用了停止规则,种群是动态的。该模型通过指定一个分配规则和三个支付规则来设计参与动态机制的Agent的相遇规则,以引出Agent的诚实偏好报告和多个时段最优停留的耦合决策。该机制提供了一个特殊的标价支付规则,只依赖于每个代理的实现停止时间直接影响人口动态。这封信的重点是理论上的可实施性的规则在完美的贝叶斯纳什均衡和特征的必要条件和充分条件,以保证代理人的诚实的均衡行为在一定时期内。我们提供的设计原则来构建支付的分配规则,并确定设计者的能力,影响人口动态的限制。所建立的条件使设计者的问题,找到多个规则,以确定一个最佳的分配规则。
2020-05-19 cs.SY econ.TH eess.SY
Optimal Resource Allocation Over Time and Degree Classes for Maximizing Information Dissemination in Social Networks
Indian Institute of Science(印度科学研究所)
研究在社交网络中通过时间与度类分配竞选资源以最大化信息传播,采用传染病模型并结合直接招募策略,通过最优控制问题优化奖励函数,分析网络拓扑对控制策略的影响。
2016-01-22 cs.SI cs.SY eess.SY
How to Run a Campaign: Optimal Control of SIS and SIR Information Epidemics
Indian Institute of Science(印度科学学院)
本文研究了在有限资源下如何通过最优控制策略在截止期限前最大化信息传播效果,针对SIS和SIR模型分别提出最优资源分配方法,并分析了不同控制策略的效果差异。
2014-01-26 cs.SI cs.SY eess.SY
Minimizing the Risk of Spreading Processes via Surveillance Schedules and Sparse Control
在本文中,我们提出了一个优化框架,结合监控计划和稀疏控制,以限制流行病和野火等传播过程的风险。在这里,风险被认为是未被发现的爆发的风险,即爆发的概率和爆发的影响的乘积,我们可以通过资源分配和持续监测计划来限制或最大限度地减少风险。所提出的框架利用正系统和凸优化的属性,提供可扩展的算法,用于监测和干预的目的。我们演示了不同的传播过程的例子,该方法可以将不同的参数和场景,如流行病的疫苗接种策略和植被,风和野火的持续监测方案的爆发率的影响。
2021-07-13 cs.SY eess.SY math.OC
Optimizing Vaccine Allocation Strategies in Pandemic Outbreaks: An Optimal Control Approach
自二零二零年初以来,全球一直在应对一场肆虐的大流行疫情:COVID-19。一年后,疫苗已经可以获得,但数量有限,因此政府需要制定一项战略,以决定在分配可用剂量时优先考虑哪部分人口,以及如何管理多剂量疫苗的剂量间隔。在本文中,我们提出了一个优化框架,以解决动态的双剂量疫苗分配问题,即可用的疫苗剂量必须管理到不同的年龄组,以尽量减少特定的社会目标。特别是,我们首先确定了一个年龄相关的易感-暴露-传染-扩散(SEIR)流行病模型,包括一个扩展捕获部分和完全接种疫苗的人,从而我们考虑了年龄相关的免疫力和传染性水平以及疾病的严重程度。其次,我们利用我们的模型来构建不同社会目标的动态年龄相关疫苗分配问题,例如最小化感染或死亡率,并使用非线性规划技术解决它。最后,我们进行了一个数值案例研究与来自荷兰的真实世界的数据。我们的研究结果表明,不同的社会目标可以显着改变最佳疫苗分配策略。例如,我们发现,最大限度地减少感染总数会导致推迟第二次接种,而为了最大限度地减少死亡率,重要的是首先为老年人接种疫苗。
2022-04-12 cs.SI cs.SY eess.SY
Robust Safety-Critical Control of Networked SIR Dynamics
Elmore Family School of Electrical and Computer Engineering at Purdue University(普渡大学埃尔莫电气与计算机工程学院);Department of Electrical Engineering and Computer Science at the University of California, Irvine(加州大学尔湾分校电气与计算机工程系)
本文提出了一种基于控制屏障函数和鲁棒控制屏障函数的网络SIR动态鲁棒安全关键控制方法,通过补偿项增强对不确定性的安全性,以确保公共卫生安全。
2026-02-02 cs.SY eess.SY
Joint Task Offloading and Resource Allocation for IoT Edge Computing with Sequential Task Dependency
在物联网(IoT)中部署移动边缘计算(MEC)使资源有限的IoT设备能够将其计算任务卸载到附近的边缘服务器。在本文中,我们研究了一个由MEC技术辅助的物联网系统,其计算任务受到顺序任务依赖性的影响,这对于视频流处理和其他智能应用至关重要。为了在限制任务处理延迟的同时最小化每个IoT设备的能耗,在慢衰落和快衰落信道下联合优化任务卸载策略、通信资源和计算资源。在慢衰落信道中,建立了一个混合整数非凸优化问题。为了解决这个具有挑战性的问题,我们分解为一维搜索的任务卸载决策问题和非凸优化问题的任务卸载决策给定。通过数学处理,将非凸问题转化为凸问题,并证明了凸问题只能用简单的黄金搜索法求解。在快衰落信道中,最优的在线策略依赖于瞬时信道状态。此外,还证明了当信道相干时间较小时,该策略将收敛到离线策略,这有助于节省额外的计算复杂度。数值结果验证了我们的分析的正确性和我们提出的策略的有效性比现有的方法。
2021-10-28 cs.SY eess.SY
A Task Allocation Approach for Human-Robot Collaboration in Product Defects Inspection Scenarios
University of Genoa(热那亚大学);Istituto Italiano di Tecnologia(意大利理工学院)
在车间环境中,人类操作员和协作机器人的存在和共存,提出了将任务分配给操作员或机器人或两者的需要。根据任务特性,操作员的能力和所涉及的机器人功能,它是最重要的设计策略,允许并发和/或顺序分配的任务有关的对象操作和组装。在本文中,我们扩展的\textsc{FlexHRC}框架中提出的\cite{darvish2018flexible},让一个人操作员与多个,异构的机器人在同一时间,以共同进行一个给定的任务。扩展的\textsc{FlexHRC}框架利用并发和顺序任务表示框架来将任务分配给操作员或机器人,作为动态协作过程的一部分。特别是,我们专注于与产品缺陷检查相关的用例,其中涉及人类操作员,Rethink Robotics的双臂Baxter机械手和Kuka youBot移动机械手。
2020-09-14 cs.RO cs.SY eess.SY