SIR 传染病控制：为可行性牺牲最优性
Control of SIR Epidemics: Sacrificing Optimality for Feasibility
AI总结：
本文针对SIR传染病模型下的隔离控制问题，提出参数估计策略和基于高估疫情严重程度的鲁棒控制方法，证明其在误差条件下以牺牲最优性为代价保证可行性并拉平感染曲线。
摘要：
我们研究参数估计和状态测量误差对用于最优减缓传染病传播的控制框架的影响。我们使用易感-感染-移除（SIR）传染病模型刻画传染病传播过程，并将隔离作为控制策略。我们采用一种控制策略来移除（隔离）一部分感染人群。我们的目标是将每日感染人数维持在某一水平以下，同时最小化隔离率所占用的资源。与现有利用控制策略应对传染病传播的工作不同，我们提出了一种参数估计策略，并进一步刻画了参数估计误差界。为了处理不确定性，我们通过高估传染病的严重程度提出了一种鲁棒控制策略，并研究了系统的可行性。与最优控制策略相比，我们证明所提出的策略在参数估计和测量误差下将牺牲最优性以拉平曲线。
英文摘要：
We study the impact of parameter estimation and state measurement errors on a control framework for optimally mitigating the spread of epidemics. We capture the epidemic spreading process using a susceptible-infected-removed (SIR) epidemic model and consider isolation as the control strategy. We use a control strategy to remove (isolate) a portion of the infected population. Our goal is to maintain the daily infected population below a certain level, while minimizing the resource captured by the isolation rate. Distinct from existing works on leveraging control strategies in epidemic spreading, we propose a parameter estimation strategy and further characterize the parameter estimation error bound. In order to deal with uncertainties, we propose a robust control strategy by overestimating the seriousness of the epidemic and study the feasibility of the system. Compared to the optimal control strategy, we establish that the proposed strategy under parameter estimation and measurement errors will sacrifice optimality to flatten the curve.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
