Optimal control of COVID-19 infection rate considering social costs
COVID-19疫情已构成政策制定危机，减缓或结束疫情的努力与经济优先事项相冲突。本文通过疾病传播的理想化分区模型和社会经济成本的简化模型，对最优疾病控制策略进行了数学分析。两个局部最优控制最优控制策略被发现和分类为“抑制”和“缓解”的战略。我们分析这些策略如何改变时，我们将疫苗接种到模型中，并找到一个新的最佳的“延迟缓解”策略。
2021-02-12 math.OC physics.soc-ph q-bio.PE
Balancing Fiscal and Mortality Impact of SARS-CoV-2 Mitigation Measurements
流行病会带来人力和财政代价。在输入性大流行病的情况下，第一个最好的解决办法是限制国界，以识别和隔离受感染的个人。然而，如果没有充分抓住这一机会，又没有预防性干预措施，就必须选择次佳的办法。在这篇文章中，我们开发了一个微分方程系统，模拟与不同的缓解措施相关的财政和人力成本。在模拟了几种情况后，我们得出结论，群体免疫（或释放流行病）是最糟糕的政策，无论是在人力和财政成本。我们发现，第二好的政策是在大流行后的前20天内制定严格的政策（例如大规模检测的物理距离），将感染概率降低80%。就美国而言，与群体免疫案例相比，这一严格的政策将挽救超过23.9万人的生命，并为纳税人节省近1708亿美元。
2021-03-06 physics.soc-ph q-bio.PE
Data-driven deep learning algorithms for time-varying infection rates of COVID-19 and mitigation measures
具有恒定参数的流行病学模型可能无法在大流行期间存在药物和非药物缓解措施的情况下捕获令人满意的感染模式，因为传染性是时间的函数。本文介绍了一种流行病学信息神经网络算法，用于在存在各种缓解方案的情况下学习COVID-19大流行的时变传播率。存在无症状感染者，大多数未报告，所提出的算法学习无症状感染者占总感染者的比例。使用累积和每日报告的有症状感染病例，我们模拟了非药物缓解措施（如早期发现感染者、接触者追踪和社交距离）对基本繁殖数的影响。我们证明了疫苗接种对COVID-19传播的有效性。在意大利、韩国、英国和美国的COVID-19数据的数据驱动模拟中，使用误差度量证明了所提出算法的准确性。
2022-05-13 q-bio.PE
Simple control for complex pandemics
COVID-19大流行始于两年多前，但学校、企业和其他组织仍在努力将疾病爆发的风险保持在较低水平，同时恢复（接近）正常功能。过去几年的观察表明，这一目标可以通过适当平衡缓解策略来实现，其中可能包括口罩使用、疫苗接种、病毒检测和接触者追踪的某种组合。缓解措施的选择将根据每个组织的需要和可用资源而定。本文提出了创建这些政策的基础上，捕捉这些干预措施的综合效果的疾病传播的分析模型的实际指导。由此产生的指导是通过模拟测试在广泛的参数，并用于讨论疾病在大学校园的传播。
2022-01-31 math.PR physics.soc-ph q-bio.PE
Effect of Mitigation Measures on the Spreading of COVID-19 in Hard-Hit States
州政府强制推行的社交距离措施有助减缓COVID-19疫情在美国的增长。目前COVID-19发展的预测模型，特别是在缓解措施之后，主要基于从其他国家推断的数据。由于大多数州在3月底执行了居家令，其影响应反映在4月底的死亡和感染人数中。使用截至4月25日的数据，我们调查了缓解措施导致的感染率变化，并预测了截至2020年9月的死亡和感染人数，其中包括一些受影响最严重的州：纽约州，新泽西州，密歇根州，马萨诸塞州，伊利诺伊州和路易斯安那州。我们发现，在目前的缓解努力下，这六个国家中有五个将其繁殖数量减少到小于1的值，阻止了大流行的指数增长。我们还预测了缓解措施放松后的不同情景。对其他州的分析可以在https://covid19projection.org/上找到。
2020-04-30 physics.soc-ph q-bio.PE
Joint economic and epidemiological modelling of alternative pandemic response strategies
University of Canterbury（坎特伯雷大学）；Te Pūnaha Matatini（泰普纳哈·马塔蒂尼中心）；Simon Fraser University（西蒙菲莎大学）；University of Oxford（牛津大学）；Memorial University of Newfoundland（纽芬兰纪念大学）；Te Herenga Waka - Victoria University of Wellington（惠灵顿维多利亚大学）；Toha Network Limited（托哈网络有限公司）
提出一个结合健康和经济成本的模型框架，比较缓解、抑制和消除策略在不同流行病学和经济参数下的总成本，发现疾病严重程度和基本再生数R0影响最优策略选择，并以新西兰2020年新冠应对为例验证。
2026-05-26 physics.soc-ph q-bio.PE
COVID-19 mitigation strategies and overview on results from relevant studies in Europe
本文综述欧洲COVID-19大流行模拟研究及缓解策略，比较多变量流行病模型，指出亚指数增长模型更贴近现实，并为评估疫情传播提供建模框架。
2024-01-29 q-bio.PE
Model-based Prediction and Optimal Control of Pandemics by Non-pharmaceutical Interventions
提出了一个基于模型的信号处理框架，通过在全球区域和国家层面使用非药物干预措施（NPI）进行大流行趋势预测和控制。控制目标是在不同的严格程度上规定可量化的NPI策略，在人为因素（如新发病例和死亡率）和每个地区/国家的干预成本之间进行平衡。由于各区域和国家在基础设施方面的差异以及优先事项方面的差异，战略家可以灵活地权衡不同的非营利组织，并在人的因素和非营利组织总成本之间选择所需的平衡。建议的框架是基于\textit{finite-horizon optimal control}（FHOC）制定的双目标问题和FHOC数值求解，通过使用一个特设的\textit{extended Kalman filtering/smoothing}框架的最佳NPI估计和流行趋势预测。该算法使战略家选择之间的人的因素和NPI成本与一组权重和参数的期望的平衡。模型的参数部分由COVID-19研究中的流行病学事实选择，部分由机器学习技术训练。自2020年1月起，牛津COVID-19政府应对追踪项目对全球300多个国家和地区的区域疫情应对进行了分类和量化。该数据集用于XPRIZE大流行应对挑战期间基于NPI的预测和处方。
2021-11-20 math.OC q-bio.PE
Determination of an Optimal Control Strategy for Vaccine Administration in COVID-19 Pandemic Treatment
几十年来，数学模型已被用于预测物理和生物系统的行为，并定义针对不同类型疾病的影响最小化的策略。目前，由于全球感染人数众多，开发数学模型来模拟新型冠状病毒疾病（COVID-19）的动态行为被认为是一个重要的主题。在这项工作中，目的是考虑中国的实际数据，确定COVID-19大流行治疗中疫苗接种的最佳控制策略。为此，反问题的制定和解决，以确定房室SIR（易感-感染-感染）模型的参数。为了解决这样的逆问题，差分进化（DE）算法。在此步骤之后，提出了两个最优控制问题（单目标和多目标），以确定COVID-19大流行治疗中疫苗接种的最优策略。第一个是在治疗过程中尽量减少受感染者的数量。第二种考虑在治疗期间最大限度地减少受感染个体的数量和规定的疫苗浓度，即，多目标最优控制问题。每个最优控制问题的解决方案，分别使用DE和多目标差分进化（MODE）算法。关于建议的多目标最优控制问题的结果提供了一组证据，从该证据中可以选择疫苗管理的最优策略，根据给定的标准。
2020-04-20 math.OC q-bio.PE
Optimal Vaccine Allocation for Pandemic Stabilization
如何战略性地分配可用疫苗是大流行控制的关键问题。在这项工作中，我们提出了一个最佳稳定疫苗分配的数学框架，我们的目标是用固定数量的疫苗剂量尽快将感染率降至零。该框架使我们能够有效地计算一般流行病传播模型（包括SIS/SIR/SEIR）和新的COVID-19传播模型的最优疫苗分配策略。通过将纽约州的真实数据与我们的框架相匹配，我们发现最优的稳定疫苗分配政策建议优先向易感人群和居民外出时间较长的地区提供疫苗。此外，我们发现优先向年轻人（20-29岁）和中年人（20-44岁）提供疫苗可以最大限度地减少累积感染病例和死亡病例。此外，我们比较了我们的方法与\cite{bubar2021model}中的五个年龄分层策略的流行病模型的基础上。我们还发现，当基本繁殖数$R_0$略高于1时，最好优先向年轻人提供疫苗，以遏制疾病并最大限度地减少死亡，这描述了COVID-19期间的大多数世界。这种现象在\cite{bubar2021model}中被忽略了。
2021-09-10 math.OC q-bio.PE
Study of lockdown/testing mitigation strategies on stochastic SIR model and its comparison with South Korea, Germany and New York data
我们目前正面临一场全球性大流行病的高度危急情况。新型冠状病毒（SARS-CoV-2，又名COVID-19）已被证明具有极强的传染性，最初从亚洲爆发的疫情现已蔓延到所有大陆。这种情况将有益于研究病毒的传播，评估有效的对策，以衡量所采取的战略的影响。标准的易感-传染-传播（SIR）模型是一个非常成功和广泛使用的预测流行病传播的数学模型。我们在随机网络上采用SIR模型，并将该模型扩展到包括控制策略{ \em锁定}和{ \em测试} -两种常用的缓解策略。这些策略在控制大流行病传播方面的能力通过改变其实施的有效性来研究。在撤回缓解战略后，详细评估了第二次爆发的可能性。我们注意到，在任何情况下，这种缓解战略的突然中断都可能导致第二次疫情的重新爆发，其高峰将与易感个体的数量相关。事实上，我们发现，在群体免疫力实现之前，一个群体仍然容易受到感染。我们还用韩国、德国和纽约的疫情传播的真实统计数据和信息测试了我们的模型，发现与模拟数据非常一致。
2020-06-20 physics.soc-ph q-bio.PE
Optimization of vaccination for COVID-19 in the midst of a pandemic
在2019冠状病毒病大流行期间，疫苗接种在抗击病毒方面发挥了关键作用。有许多可能的优先接种疫苗的政策，以及不同的优化标准：最大限度地减少死亡，群体免疫的时间，卫生系统的功能。使用年龄结构的人口房室有限维最优控制模型，我们的研究结果表明，最大到最年轻的疫苗接种政策是最优的，以尽量减少死亡。我们的模型包括接种疫苗人群的可能感染。我们将我们的模型应用于美国新泽西州和佛罗里达州人口普查的真实数据，这两个州的人口结构明显不同。我们还提供了通过优化疫苗接种计划挽救的生命数量的各种估计，并与没有接种疫苗进行了比较。
2022-03-17 math.OC q-bio.PE
Optimal Control Concerns Regarding the COVID-19 (SARS-CoV-2) Pandemic in Bahia and Santa Catarina, Brazil
COVID-19疫情是21世纪最严重的健康危机。SARS-CoV-2病毒于2020年3月左右抵达巴西，其社会和经济反弹是灾难性的。在本文中，它是如何模型预测控制（MPC）可以用来规划适当的社会距离政策，以减轻流行病的影响，在巴伊亚和圣卡塔琳娜州，两个国家的不同地区，文化和人口统计在巴西。此外，这两种状态的易感-感染-患病-死亡（SIRD）模型的参数识别使用的优化程序。对该过程的控制输入是传递给群体的社会隔离准则。设计了两种MPC策略：a）集中式MPC，协调两个状态的单个控制策略;和b）分散式策略，针对每个状态求解一个优化。仿真结果表明，这两种控制策略的说明和比较。该框架是处理这种流行病现象的指导方针。
2020-06-25 math.OC physics.soc-ph q-bio.PE
Optimal Control in Pandemics
在大流行期间，公共卫生和经济成本会产生相互冲突的需求。封锁是控制感染的一种常见方式，但它们对经济产生了不利影响。我们研究的问题是，如何最大限度地减少封锁的经济损失，同时仍然控制感染。我们的分析基于SIR模型，我们使用病毒设置的时钟进行分析。这种“病毒时间”的使用使得我们的问题有了一个清晰的数学表述。我们优化了固定卫生成本的经济成本，并制定了应对大流行病的战略。这涉及以受控方式调整封锁程度，以尽量减少经济成本。
2021-01-05 q-bio.PE
Study of COVID-19 anti-pandemic strategies by using optimal control
在这项研究中，我们提出了一个新的流行病学模型，从确认和未报告的污染。我们还计算了均衡，并研究了它们的稳定性，没有干预策略。最优控制理论已被证明是一个成功的工具，在理解如何减少传染病的传播，通过设计最佳的疾病干预策略。我们调查了隔离、病例发现和病例控制的影响，同时，我们最大限度地减少了感染和死亡人数。该方法包括通过一些策略最小化与传染性，死亡和控制相关的成本函数，以减少COVID 19疫情的传播。
2020-08-09 q-bio.PE
A mechanistic model for airborne and direct human-to-human transmission of COVID-19: Effect of mitigation strategies and immigration of infectious persons
COVID-19大流行是自第二次世界大战以来最重大的全球危机，几乎影响了我们星球上的所有国家。为控制COVID-19大流行爆发，有必要了解病毒如何传播给易感个体并最终在社区传播。COVID-19的主要传播途径是通过感染性飞沫进行人际传播。然而，Greenhalgh等人最近的一项研究（Lancet：397：1603-1605，2021）证明了SARS-COV-2空气传播背后的10个科学原因。在本研究中，我们引入了一种新的COVID-19数学模型，该模型除了考虑与感染者直接接触的传播外，还考虑了空气中游离病毒的传播。利用下一代算子方法计算了该传染病模型的基本再生数，并观察到它同时依赖于直接接触和自由病毒接触的传播率.无病平衡点（DFE）的局部和全局稳定性得到了很好的证明。分析发现，有一个向前的分歧之间的DFE和地方病平衡使用中心流形理论。接下来，我们使用非线性最小二乘法从印度两个主要地区的COVID-19死亡率数据中确定模型中的最佳拟合参数值。使用估计参数班加罗尔城市和钦奈，不同的控制方案，以减轻疾病的影响。结果表明，当疫苗危机存在时，公共卫生当局应该优先接种易感人群，而不是现在健康的康复者。除了口罩的使用、住院病人的治疗和病人的疫苗接种外，还应该以监督的方式允许移民，以便整个社会的经济保持健康。
2021-07-27 q-bio.PE
Optimal allocation of face masks during the COVID-19 pandemic: a case study of the first epidemic wave in the United States
在本文中，我们提出了一个两组SIR流行病模型，以模拟在美国第一次COVID-19疫情期间，居家政策和戴口罩的结果。基于我们提出的模型，我们进一步使用最优控制方法（以最小化总死亡人数为目标）来找到口罩在医护人员和公众之间的最优动态分配。如果供应不足，所有口罩都应该只留给医护人员，这并不奇怪。然而，当供应确实充足时，我们的数值研究表明，在疫情爆发之初，公众应该分享很大一部分口罩，以大幅减少死亡人数。这一有趣的结果与美国外科医生和疾病控制和预防中心（CDC）在2020年3月建议的指南部分矛盾。CDC这一听起来合理的指导方针的最优性高度依赖于频繁变化的口罩供应水平，因此应根据口罩供应情况进行调整。
2020-12-29 math.OC q-bio.PE q-bio.QM
Optimal quarantine strategies for the COVID-19 pandemic in a population with a discrete age structure
这项工作的目标是研究巴西COVID-19疫情的最佳控制措施。研究了一类具有隔离区的年龄结构SEIRQ模型，其中控制变量为隔离区入口参数。然后，我们比较了最佳控制不同的检疫长度和分布的总控制成本，通过评估各自的减少死亡相比，同期没有检疫。最好的策略是提供一个日历，说明何时放松每个年龄组的隔离措施。最后，我们分析了隔离开始的延迟如何通过改变初始条件来影响该日历。
2020-05-19 physics.soc-ph q-bio.PE
Using mobility data in the design of optimal lockdown strategies for the COVID-19 pandemic
提出了一个新冠肺炎疫情传播的数学模型，该模型将年龄结构的易感-暴露-死亡动态与考虑人口流动性的真实手机数据相结合。通过近似贝叶斯计算进行动态模型调整。基于非线性模型预测控制确定最佳封锁和退出策略，并限制公共卫生和社会经济因素。通过广泛的计算验证的方法，它表明，它是可以计算出强大的退出战略与现实的减少流动性值，以告知公共政策的制定，我们使用来自英国和法国的数据集验证的方法的适用性。实现所描述的实验的代码可在https://github.com/OptimalLockdown获得。
2020-10-18 physics.soc-ph q-bio.PE stat.AP
Optimal policies for mitigating pandemic costs
为控制COVID-19大流行的传播，已提出若干非药物干预措施。在大规模上，这些经验性解决方案往往与长期和完全封锁有关，试图最大限度地减少与死亡率、经济损失和社会因素有关的成本，同时受到医院能力有限等限制。在这里，我们提出的问题，如何减轻流行病的成本受到限制，采用最优控制理论的语言。这使我们能够确定自上而下的政策的性质和动态的社会接触率给定的年龄结构模型的动态的疾病。根据分配给生命和社会经济损失的相对权重，我们看到最佳策略的范围从仅针对最脆弱人群的长期社交距离，到部分封锁以确保医院不过度运转，再到交替轮班以显著减少生命和/或社会经济损失。至关重要的是，涉及长时间广泛封锁的常用策略几乎从来都不是最佳策略，因为它们对重新开放非常不稳定，并带来高昂的社会经济成本。使用德国和美国可用数据的参数估计，我们量化这些政策，并使用相关模型参数和初始条件的敏感性分析，以确定我们的政策的鲁棒性范围。最后，我们还讨论了自下而上的行为变化如何也可以改变流行病的动态，并展示了如何与自上而下的控制政策相结合，可以更有效地降低流行病的成本。
2020-07-22 physics.soc-ph q-bio.PE
A Bayesian Updating Scheme for Pandemics: Estimating the Infection Dynamics of COVID-19
流行病模型在理解和应对新出现的COVID-19大流行方面发挥着关键作用。广泛使用的房室模型是静态的，在评估新出现的大流行的干预策略方面用处有限。应用数据同化技术，我们提出了一个贝叶斯更新方法，估计流行病学参数使用可观察到的信息，以评估不同的干预策略的影响。我们采用了一个简洁的更新模型，并提出了新的参数，通过解开减少瞬时繁殖数Rt到缓解和抑制因素量化干预的影响，在一个更细的粒度。然后，我们开发了一个数据同化框架来估计这些参数，包括构建观测函数和开发贝叶斯更新方案。然后建立一个统计分析框架，通过监测这些估计参数的演变来量化干预策略的影响。通过对欧洲国家、美国和武汉市的干预措施效果的考察，揭示了这些国家的干预效果和美国的死灰复燃风险。
2020-08-07 physics.soc-ph q-bio.PE
Optimal control of the COVID-19 pandemic: controlled sanitary deconfinement in Portugal
COVID-19大流行迫使政策制定者颁布紧急限制措施，以阻止快速和大规模的传染。然而，在这一阶段之后，各国社会被迫在降低传染率的需要与重新开放经济的需要之间找到平衡。迄今所取得的经验提供了关于这一流行病演变情况的数据，特别是由于所采取的公共卫生措施而产生的人口动态。这使得预测数学模型的制定能够预测政治决策的后果。在这里，我们提出了一个模型，这样做，并将其应用到葡萄牙的情况。通过一个由常微分方程系统描述的数学确定性模型，我们拟合了COVID-19在这个国家的真实演变。在识别出人群是否愿意遵守社会限制后，通过分析社交媒体，我们将这种影响纳入模型的一个版本中，使我们能够检查不同的场景。这是通过考虑通过复杂网络耦合的先前模型的Monte Carlo离散版本来实现的。然后，我们应用最优控制理论，以最小的经济成本最大限度地增加恢复“正常生活”的人数，并最大限度地减少活动性感染者的人数，同时降低住院率。通过这项工作，可以测试流行病管理的各种设想（关闭经济部门、公民部分/全部遵守保护措施、重症监护室的床位数等），确保卫生系统的反应能力，从而成为公共卫生决策支持工具。
2021-02-02 math.OC physics.soc-ph q-bio.PE
Evaluation of non-pharmaceutical interventions and optimal strategies for containing the COVID-19 pandemic
鉴于多种新型COVID-19变种不断出现，非药物干预仍然是遏制冠状病毒进一步传播的主要控制策略。然而，长期实施严格的干预措施不可避免地会损害经济。为了解决这一多目标决策问题，我们研究了政策，移动模式和病毒传播之间的潜在关联。我们进一步评估现有COVID-19控制措施的相对表现，并探索可在美国各州的公共卫生与社会经济复苏之间取得适当平衡的潜在最佳策略。研究结果强调了宣布紧急状态和佩戴口罩的力量，并强调了针对流行病传播的不同状态和阶段采取定制战略的必要性。我们的框架使政策制定者能够制定更精细的COVID-19战略设计，并可以扩展到向任何国家的政策制定者提供有关大流行应对的最佳实践的信息。
2022-02-28 cs.CY q-bio.PE
Optimal governance and implementation of vaccination programmes to contain the COVID-19 pandemic
自最近推出数种可行的SARS-CoV-2疫苗以来，接种疫苗已成为决定我们能否成功控制COVID-19大流行的关键因素。我们认为，应使用博弈论和社会网络模型来指导有关疫苗接种计划的最佳结果的决定。在引进疫苗后的几个月里，许多国家的疫苗供应和执行疫苗接种方案所需的人力资源都很稀少。一些公众也对接种疫苗犹豫不决。我们强调，决策的不确定性和不完美的信息下，只有条件最优的结果，是一个独特的优势建立博弈论建模。因此，我们可以使用这种方法来获得建模和模拟疫苗接种优先级和接种的最佳框架，该框架将随时可用于为COVID-19大流行的最优控制的重要政策决策提供信息。
2021-06-09 cs.GT physics.soc-ph q-bio.PE
Modelling transmission and control of the COVID-19 pandemic in Australia
有关旨在控制COVID-19传播的各种缓解和抑制策略的相对效益，一直存在争议。在这里，我们报告了基于代理的建模的结果，该结果使用了对澳大利亚正在进行的COVID-19大流行的细粒度计算模拟。该模型经过校准以匹配COVID-19传播的关键特征。一个重要的校准结果是有症状病例的年龄依赖性分数，发现儿童的这一分数是成人这一分数的五分之一。我们应用该模型比较了几种干预策略，包括限制国际航空旅行、病例隔离、家庭隔离、不同合规程度的社交距离以及关闭学校。人们发现，关闭学校不会带来决定性的好处，除非同时遵守高水平的社交距离规定。我们报告了几个权衡，以及社交距离合规水平的重要转变，在70%至80%的水平之间，合规水平在90%时，发现在13- 14周内控制疾病，再加上有效的病例隔离和国际旅行限制。
2020-11-11 cs.MA q-bio.PE q-bio.QM
Deep Learning-Derived Optimal Aviation Strategies to Control Pandemics
University of Houston（休斯顿大学）；Houston Methodist Research Institute（休斯顿卫理公会研究所）；Weill Cornell Medical College（威尔康奈尔医学院）；The University of Texas M.D. Anderson Cancer Center（德克萨斯大学MD安德森癌症中心）；Weill Cornell Medicine（威尔康奈尔医学院）
COVID-19大流行影响了世界各国，要求采取严厉的公共卫生政策以减缓感染的传播，导致经济危机作为附带损害。在这项工作中，我们调查了全球范围内人类流动性（通过国际商业航班描述）对COVID-19感染动态的影响。为此，我们开发了一个图神经网络为基础的框架称为动态连接GraphSAGE（DCSAGE），它在时空图上运行，非常适合动态变化的邻接信息。为深入了解不同地理位置（由于其相关的空中交通）对疫情演变的相对影响，我们通过节点扰动实验对模型进行了局部敏感性分析。从我们的分析中，我们确定西欧、北美和中东是助长疫情的主要地理位置，原因是始发或过境这些地区的空中交通非常密集。我们利用这些观察结果确定了切实可行的减少空中交通的战略，这些战略可以对控制这一流行病产生很大影响，同时对人员流动的干扰最小。我们的工作提供了一个强大的基于深度学习的工具来研究全球流行病，并对政策制定者在未来爆发期间就空中交通限制做出明智的决定具有关键意义。
2022-10-12 cs.AI cs.LG q-bio.PE
Optimal Control of Pandemic Dynamics via Model Predictive Control: A Health-Economic Trade-off Analysis
University of Palermo（巴勒莫大学）；University of Bayreuth（拜罗伊特大学）
研究在社会经济目标冲突下疫情动态的最优控制，提出经济模型预测控制框架应用于扩展模型，通过敏感性分析等得出预测时域N = 35天成本最小，“锤击与舞蹈”策略是最优解，建立最优运行点稳定性为疫情政策提供决策支持。
2026-07-14 cs.SY eess.SY math.OC
Learning Pareto-Optimal Pandemic Intervention Policies with MORL
本研究提出结合多目标强化学习与高保真随机微分方程疫情模拟器的框架，训练帕累托条件网络智能体，挖掘不同传染病防控中卫生与经济的策略权衡，为循证公共卫生政策制定提供支持。
2025-10-02 cs.AI cs.CY cs.LG
A look at endemic equilibria of compartmental epidemiological models and model control via vaccination and mitigation
本文提出两个纳入暴露后康复与无症状传播特征的隔室流行病学模型，证明其一的地方病阈值，并将其二建模为疫苗接种与缓解双控制仿射系统，证明可静态反馈线性化且探讨最优控制。
2023-05-30 math.DS q-bio.PE
Modeling and Optimization of Epidemiological Control Policies Through Reinforcement Learning
Chatham High School（查塔姆高中）
本研究结合SEIRD流行病学模型与深度双循环Q网络，训练强化学习智能体优化疫情控制策略，在降低感染率的同时减轻经济影响。
2024-01-25 cs.AI q-bio.PE
COVID-19 Pandemic Cyclic Lockdown Optimization Using Reinforcement Learning
Oracle Corporation（甲骨文公司）
这项工作研究了使用强化学习（RL）来优化循环封锁，这是控制COVID-19大流行的方法之一。该问题被构造为用于跟踪参考值的最优控制系统，该参考值对应于关键资源（诸如ICU病床）的最大使用水平。然而，代替使用常规的最优控制方法，RL被用于找到最优控制策略。开发了一个框架，使用基于RL的开关控制器来计算最佳循环锁定定时。基于RL的控制器实现为RL代理，与流行病模拟器交互，实现为扩展的SEIR流行病模型。RL代理学习策略函数，该策略函数产生开放/锁定决策的最优序列，使得RL奖励函数中指定的目标被优化。使用了两个并行目标：第一个是公共卫生目标，最大限度地减少ICU床位使用超过ICU床位阈值的情况，第二个是社会经济目标，最大限度地减少封锁时间。假设当一个地区面临超过资源容量限制的紧迫危险，以及由于缺乏必要的经济资源在长期封锁期间支持其受影响人口而实施长期封锁将导致严重的社会和经济后果时，周期性封锁被视为长期封锁的临时替代方案。
2020-09-10 cs.AI cs.LG q-bio.PE
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
Data-driven Simulation and Optimization for Covid-19 Exit Strategies
冠状病毒SARS-2的迅速传播是一个重大挑战，导致全球几乎所有政府采取严厉措施应对这场悲剧。这些措施中最主要的是对整个国家和城市的大规模封锁，这除了对全球经济的影响外，还在民众中造成了一些深刻的社会和心理紧张。虽然所采取的缓解措施（包括封城）已被普遍证明是有用的，但决策者现在面临一个关键问题：如何以及何时取消缓解措施？一个精心规划的退出战略确实是必要的，以从大流行病中恢复过来，而不会有新的爆发的风险。传统上，退出战略依赖于数学建模来预测公共卫生干预措施的效果。不幸的是，这些模型对一些关键参数很敏感，这些参数通常是根据经验法则设置的。在本文中，我们建议用实际的数据驱动模型来增强流行病学预测，这些模型将学习对不同背景下的预测进行微调（例如，每个国家）。因此，我们建立了一个流行病模拟和预测工具包，它结合了对疾病流行病学参数的深度学习估计，以预测病例和死亡，以及遗传算法组件，用于搜索决策者设定的约束和目标之间的最佳权衡/政策。通过在不同国家回放流行病演变，我们的实验表明，我们的方法在75%的情况下产生的预测出错率比纯流行病学模型低得多，并且当学习转移并在未见过的国家进行测试时，R2得分达到95%。当用于预测时，这种方法提供了对单个措施和战略影响的可操作见解。
2020-06-12 cs.CY physics.soc-ph q-bio.PE
Modelling the strategies for age specific vaccination scheduling during influenza pandemic outbreaks
寻找最佳政策以降低目前流行病的发病率和死亡率是公共卫生的首要任务。使用房室模型与年龄结构和疫苗接种状态，我们研究了在流感大流行爆发期间，当疫苗接种运动和大流行的动态之间存在竞争时，特定年龄的疫苗接种时间表的影响。我们的研究结果与最近的一些研究一致，即年龄特异性对疫苗接种计划至关重要。然而，人们对这些控制措施在疫情期间实施的有效性知之甚少。比较五种可能的策略，我们发现，年龄特定的时间安排可以对流行病的结果产生巨大影响。对于最佳方案，攻击率比其他策略低10%。我们证明了尽早开始接种疫苗运动的重要性，因为延迟10天可能会增加高达6%的发病率。考虑到产生免疫力和接种疫苗之间的延迟是评估疫苗接种运动影响的一个关键因素。我们提供了一个总体框架，这对下一波大流行也将是有用的。
2012-02-28 q-bio.PE
COVID-19 pandemic control: balancing detection policy and lockdown intervention under ICU sustainability
我们在这里考虑扩展的SIR模型，包括最近COVID-19爆发的几个特征：特别是感染和康复的个体可以被检测到（+）或未被检测到（-），我们还整合了重症监护病房（ICU）的能力。我们的模型可以使用锁定和检测干预杠杆对控制流行动态的最佳政策进行易于处理的定量分析。基于COVID-19相关文献的参数规范，我们研究了各种数量对最优策略的敏感性，同时考虑到大流行的卫生和社会经济成本之间的微妙权衡，以及ICU的有限容量水平。我们将最佳封锁政策确定为分为4个连续阶段的干预措施：首先是快速而强有力的封锁干预措施，以阻止传染病的指数增长;第二是短暂的过渡阶段，以降低病毒的流行率;第三是长期的ICU能力和稳定的病毒流行率;最后是恢复正常的社会交往，病毒消失。因此，最佳方案避免了第二波感染，前提是锁定释放得足够慢。我们还提供最佳干预措施，增加ICU容量，并优化检测传染性和免疫个体的工作。每当引入大量资源来检测感染者时，可以释放社交距离的压力，而检测免疫个体的影响则较为温和。
2020-05-22 cs.SY eess.SY physics.soc-ph
A semi-continuous model for transmission of SARS-CoV-2 and other respiratory viruses in enclosed spaces via multiple pathways to assess risk of infection and mitigation strategies
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）大流行夺去了数百万人的生命，这表明了呼吸道疾病的悲剧性和破坏性，以及它们的管理难度。然而，科学界仍在就哪些传播途径最重要以及环境和行为如何影响感染风险等问题进行重大辩论，这些问题都影响到哪些缓解战略最有效。这项研究提出了一个通用模型来估计病毒在个人、物体和空气之间的传播速率。然后计算环境中个人的感染风险，考虑个人的行为和他们与环境之间的相互作用，病毒在不同表面类型和空气中的存活时间，以及缓解干预措施（通风，手部消毒，表面清洁等）。该模型包括离散事件，例如触摸事件、个人进入/离开设置和清洁事件。我们展示了三个案例研究的模型能力，以量化和了解与不同的传播途径和缓解策略在不同环境中的有效性相关的相对风险。研究结果表明，考虑所有传播途径及其相互作用的重要性，每种情况下显示不同的主要途径取决于其中的个人的设置和行为。该灵活的模型可免费获得，可用于通过对居住者的行为做出合理假设，快速模拟任何呼吸道病毒通过模拟传播途径的传播，以及在任何封闭环境中潜在缓解策略的有效性。希望该模型可用于为针对特定环境和病原体的病毒感染缓解措施的明智决策提供信息。
2021-09-02 math.DS q-bio.PE
Optimal Protected Area Design for Allee Effect Mitigation in Spatial Predator-Prey Systems
本研究通过设计最优保护区域，缓解空间捕食者-猎物系统中阿莱效应导致的低密度种群灭绝问题，采用双目标优化方法分析保护区域配置对种群恢复的影响。
2025-12-11 q-bio.PE
Incentives, lockdown, and testing: from Thucydides's analysis to the COVID-19 pandemic
在这项工作中，我们提供了一个通用的数学形式，以研究通过激励封锁和测试来最佳控制流行病，如COVID-19大流行病。特别是，我们将政府和人口之间的相互作用建模为具有道德风险的委托代理问题，如La Cvitanić，Possamação和Touzi [27]，而流行病则根据Gray，Greenhalgh，Hu，Mao和Pan [45]以及Tornatore，Buccellato和Vetro [88]分别提出的分区随机SIS或SIR模型所给出的动力学进行传播。更确切地说，为了限制病毒的传播，人口可以通过减少个体之间的相互作用来降低疾病的传播率。然而，政府无法完全监督这一努力，这是以人民的社会和货币成本为代价的。为了降低这一成本，从而鼓励人口的封锁，政府可以采取税收或补贴形式的激励政策。此外，政府还可能实施检测政策，以便更准确地了解疫情在国内的传播情况，并隔离受感染者。在技术结果方面，我们展示了最佳形式的税收，指数的感染者的比例，以及人口的最佳努力，即选择在响应此税的传输率。政府的优化问题可以归结为求解一个哈密尔顿-雅可比-贝尔曼方程。数值结果证实，如果税收政策的实施，鼓励人口显着减少其相互作用。如果政府也调整检测政策，那么在人群方面就不需要那么多努力，个体之间几乎可以照常互动，通过对检测阳性个体进行有针对性的隔离，疫情基本得到控制。
2022-04-13 econ.TH math.OC math.PR
Economic irreversibility in pandemic control processes: Rigorous modeling of delayed countermeasures and consequential cost increases
为应对COVID-19爆发而实施的首次封城后，许多国家在平衡感染控制与经济方面面临困难。由于先验知识有限，经济学家开始使用成本效益分析来研究这个问题，发现感染控制过程显著影响经济效率。英国的一项研究使用经济参数，以数字方式证明了这一过程中的最佳平衡，包括保持受感染人口的稳定。然而，由于模拟研究方法的局限性，尚未明确开发出感染控制指导原则所不可或缺的普遍适用的知识。在这里，我们提出了一个简单的模型，并通过将热力学的思想应用于流行病控制，从理论上证明了经济不可逆性的普遍结果。这意味着延迟感染控制措施比及早实施感染控制措施同时保持受感染人口稳定的成本更高。这意味着，一旦感染人口增加，社会不可能在不增加开支的情况下恢复到以前的状态。这一普遍结果是通过关注大流行病的感染传播阶段分析得出的，不仅适用于COVID-19，也适用于“群体免疫”。“它还证实了在其最佳有效过程中对静止感染人群的数值观察。我们的研究结果表明，经济不可逆转性是平衡感染控制与经济影响的指导原则。
2021-03-04 econ.TH physics.bio-ph physics.med-ph
Bayesian Best-Arm Identification for Selecting Influenza Mitigation Strategies
Vrije Universiteit Brussel（布鲁塞尔自由大学）；KU Leuven – University of Leuven（鲁汶大学）
大流行性流感有可能造成数百万人死亡。虽然存在各种预防措施（即，疫苗接种和学校关闭），但决定最有效和最高效地利用这些资源的战略仍然具有挑战性。为此，基于个人的流行病学模型对于协助决策者确定遏制流行病蔓延的最佳战略至关重要。然而，基于个体的模型是计算密集型的，因此，使用最少量的模型评估来确定最优策略是至关重要的。此外，由于需要规划流行病学建模实验，因此需要事先指定计算预算。因此，我们提出了一种新的抽样技术，使用固定预算的最佳臂识别算法来优化预防策略的评估。我们使用流行病学建模理论来获得关于奖励分布的知识，我们使用贝叶斯最佳臂识别算法（即，前两个Thompson抽样和BayesGap）。我们评估这些算法在一个现实的实验设置，并证明，它是可能的，以确定最佳策略，只使用有限数量的模型评估，即，与文献中用于流行病学决策的主要技术均匀抽样方法相比，速度快2至3倍。最后，我们贡献和评估前两个汤普森抽样的统计信息，告知决策者关于手臂建议的信心。
2018-06-15 cs.AI cs.LG q-bio.PE
Assessment of the effectiveness of Omicron transmission mitigation strategies for European universities using an agent-based network model
在COVID-19疫情持续期间，让大学恢复全面的校园运营在许多国家一直是一个有争议的讨论。在密集的课程设置中爆发大规模疫情的风险与面对面教学的好处形成对比。传播风险取决于一系列参数，如疫苗接种覆盖率和效力、接触人数和采取非药物干预措施。由于欧洲普遍的学术自由，许多大学被要求自主决定和实施干预措施，并规范校园运作。在快速变化的疫苗接种覆盖率和病毒参数的背景下，大学往往缺乏足够的科学洞察力，这些决策的基础上，为了解决这个问题，我们分析了一个校准的，数据驱动的代理人为基础的模拟传输动态的10755名学生和974名教职员工在一个中等规模的欧洲大学。我们使用一个从学生入学数据重建的共址网络，并根据教育机构的疫情规模分布校准传播风险。我们专注于可行的干预措施，这些干预措施是大学现有决策过程的一部分，为具体的政策决策提供指导。在这里，我们表明，对于SARS-CoV-2病毒的Omicron变体，即使将入住率降低到25%和普遍的口罩要求也不足以防止大规模疫情，因为最近报告的奥地利学生疫苗接种覆盖率约为80%。我们的研究结果表明，控制病毒的传播与现有的疫苗结合NPI是不可行的，在大学环境中，如果存在的学生和教师在校园里是必需的。
2022-04-19 physics.soc-ph q-bio.PE
