一种用于高效且可实施接触追踪与隔离的马尔可夫决策过程框架
计算机与社会
2022-01-17 v2 社会与信息网络
摘要
高效的接触追踪与隔离是控制流行病的有效策略。它在埃博拉疫情期间被有效使用，并在正在进行的 COVID-19 大流行期间在世界多个地区成功实施。接触追踪中的一个重要考量是被要求隔离的个体数量预算——由于社会经济原因该预算有限。在本文中，我们提出一个马尔可夫决策过程（MDP）框架，以形式化在要求有限数量的人隔离的同时利用接触追踪减少疫情规模的问题。我们将 MDP 的每一步形式化为一个组合问题 MinExposed，并证明它是 NP-Hard 的；因此，我们开发了一种基于 LP 的近似算法。尽管该算法直接求解 MinExposed，但由于信息约束，它在现实世界中往往不实用。为此，我们基于前述算法分析的见解开发了一种贪婪方法，并证明其更具可解释性。贪婪算法的一个关键特征是它不需要底层社会接触网络的完整信息。这使得该启发式方法可在实践中实施，并且是一个重要考量。最后，我们在真实世界网络上运行的 MDP 模拟上进行了实验，并展示了这些算法如何在限制隔离个体数量的同时帮助弯曲流行病曲线。我们的实验结果表明，贪婪算法及其变体在各种现实场景（例如当接触图和特定传播概率未知时）中尤其有效、鲁棒且实用。所有代码可在我们的 GitHub 仓库中找到：https://github.com/gzli929/ContactTracing。
引用
@article{arxiv.2112.15547,
title = {A Markov Decision Process Framework for Efficient and Implementable Contact Tracing and Isolation},
author = {George Li and Arash Haddadan and Ann Li and Madhav Marathe and Aravind Srinivasan and Anil Vullikanti and Zeyu Zhao},
journal= {arXiv preprint arXiv:2112.15547},
year = {2022}
}
备注
24 pages, 11 figures, to be published in AAMAS-22 as a 2 page extended abstract. This version has additional fairness guarantees, and fixes some typos