社交接触网络中用于疫情检测与追踪的自适应检测资源分配
社会与信息网络
2020-11-05 v1 物理与社会
摘要
我们提出了一个在社交接触网络中自适应分配病毒检测的通用框架。我们提出并解决了若干互补问题。首先，我们考虑设计一个以尽早发现新型传染病暴发为目标的社会感知系统。具体而言，我们提出一种算法，用于选择接受检测的个体子集，以尽可能快地检测到传染病暴发的起始。我们将此问题表述为命中时间概率最大化问题，并利用次模优化技术为所提解推导明确的质量保证。其次，一旦检测到传染病暴发，我们考虑随时间自适应分配病毒检测以最大化关于疫情当前状态所获信息的问题。我们依据信息熵与互信息对该问题进行形式化，并提出一种具有质量保证的自适应分配策略。对于这些问题，我们针对任意具有马尔可夫动力学的随机仓室传染病模型推导了解析解，以及针对非马尔可夫动力学的基于蒙特卡洛的高效算法。最后，我们在涉及应用于真实人类接触网络的 Covid-19 模型的数值实验中展示了所提框架的性能。
引用
@article{arxiv.2011.01998,
title = {Adaptive Test Allocation for Outbreak Detection and Tracking in Social Contact Networks},
author = {Pau Batlle and Joan Bruna and Carlos Fernandez-Granda and Victor M. Preciado},
journal= {arXiv preprint arXiv:2011.01998},
year = {2020}
}