社交网络中的公平治疗分配

传染病传播的模拟长期以来被用于理解疫情如何演变以及如何有效治疗。然而，相对而言，很少有关注理解不同治疗策略的公平性含义——即此类策略如何可能在人口中的不同子群或社区之间差异性地分配预期疾病负担？在这项工作中，我们定义了精确疾病控制问题——即在社交网络中逐步最优分配疫苗的问题——并使用ML Fairness Gym模拟疫情控制，从效率和公平性两个视角对其进行研究。随后，我们对若干不同环境进行了探索性分析，并讨论了不同治疗策略的公平性含义。