遗传编程访问调度方案可实现较不严苛的 COVID-19 大流行人口封锁
神经与进化计算
2020-06-22 v1 物理与社会
摘要
引入一种计算方法，以最小化因大流行（如 2020 年 COVID-19 大流行）而遭受某种程度封锁的人们的感染机会。人们使用手机或计算设备请求前往其需要或感兴趣地点的出行，并标明大致的时段：「早晨」、「下午」、「夜晚」或「任意时间」以及欲访问的地点。一种作为遗传编程变体的人工智能方法研究所有请求，并响应以具体的访问时间分配，从而最小化人群感染、住院与死亡的总体风险。给出了该计算的若干替代方案，以及涉及超过 230 名不同年龄与基础健康水平的人、在连续三天内超过 1700 次访问的数值实验的结果。引入了一种新颖的部分感染模型来讨论这些概念验证方案，并与轮询无信息访问时间调度进行比较。计算表明有巨大改善，死亡与住院人数远少。这些预示着使用精确感染模型进行更现实的研究，以期测试在真实世界部署的良好前景。驱动感染模型的输入是按分类等级的感染程度，例如可能来自 COVID-19 人群检测的信息，或任意污染模型。计算中假设的分类等级是按年龄组的可能感染水平。
引用
@article{arxiv.2006.10748,
title = {Genetic Programming visitation scheduling solution can deliver a less austere COVID-19 pandemic population lockdown},
author = {Daniel Howard},
journal= {arXiv preprint arXiv:2006.10748},
year = {2020}
}