用于控制疫情爆发的数据驱动疫苗分配
最优化与控制
2014-12-09 v1 社会与信息网络
摘要
我们提出了一个基于锥几何规划的数学框架，用于控制发生在具有未知接触率的有向接触网络中的易感-感染-易感病毒传播过程。假设我们可以获取描述由一组传感器节点在有限时间区间内观察到的传播过程演化的时间序列数据。我们提出了一个数据驱动的鲁棒凸优化框架，以寻找保护资源（例如疫苗和/或解毒剂）的最优分配，从而以最快可能的速度根除病毒传播。与当前识别单一网络来解释观测数据的网络启发式方法不同，我们使用可用数据来定义一个不确定性集合，其中包含与经验观测相一致的所有网络。我们对这种网络不确定性集合的刻画在 Chandrasekaran 和 Shah 最近提出的锥几何规划背景下是易处理的，这使我们能够有效地找到最优资源分配，以控制网络不确定性集合中可能发生的最坏情况传播。我们在一个交通网络中说明了我们的方法，并在其中收集了关于假设疫情爆发在有限时间段内动力学的部分数据。
引用
@article{arxiv.1412.2144,
title = {Data-Driven Allocation of Vaccines for Controlling Epidemic Outbreaks},
author = {Shuo Han and Victor M. Preciado and Cameron Nowzari and George J. Pappas},
journal= {arXiv preprint arXiv:1412.2144},
year = {2014}
}
备注
Submitted to the IEEE Transactions on Network Science and Engineering