带约束的公共卫生干预离散随机优化
最优化与控制
2022-06-29 v1 计算机与社会
摘要
诸多公共卫生威胁的存在，凸显了寻找最优干预策略的必要性。鉴于威胁的随机性（如大流行性流感传播、药物过量发生及酒精相关威胁的普遍程度），确定性优化方法可能并不适宜。本文采用随机优化方法处理2009年 H1N1 与 COVID-19 大流行的若干方面，疾病传播分别由开源蒙特卡洛模拟 FluTE 与 Covasim 建模。在不穷举每种可能选项的前提下，优化的目标是确定干预策略的最佳组合，以使社会经济损失最小。为实现该目标，这篇面向应用的论文使用离散同时扰动随机逼近方法（DSPSA）——一种基于递归模拟的优化算法——来更新疾病模拟软件中的输入参数，使输出迭代逼近最小经济损失。假设所采用的疾病传播模拟模型（本例中 H1N1 用 FluTE，COVID-19 用 Covasim）能准确表征所研究人群，我们所提出的基于模拟的策略为决策者提供了一种有力工具，可缓解任一流行病造成的人力和经济损失。该基本方法亦适用于其他公共卫生问题，如阿片类药物滥用与酒驾。
引用
@article{arxiv.2206.13634,
title = {Discrete Stochastic Optimization for Public Health Interventions with Constraints},
author = {Zewei Li and James C. Spall},
journal= {arXiv preprint arXiv:2206.13634},
year = {2022}
}