用遗传算法建模 SARS-CoV-2 协同进化
神经与进化计算
2021-02-25 v1 多智能体系统
种群与进化
摘要
2020 年底，针对 SARS-CoV-2 暴发的政策应对因病毒变体的出现而受到冲击，影响了全球公共卫生和政策措施。这些疑似传染性更强、更严重、甚至对抗体和疫苗产生抗性的毒株的出现，似乎让卫生服务部门和决策者措手不及，难以适应新变体的约束。预见这些突变以提前规划适当政策，并理解人类行为如何通过协同进化影响病毒演化，是关键挑战。在本文中，我们提出用遗传算法（GAs）进行协同进化，作为建模这一关系的可信方法，强调其意义、潜力和挑战。由于其探索大可能解空间、生成新异能力以及天然的基因关注，GAs 适用于此问题。我们提出一个双重 GA 模型，其中旨在生存病毒与旨在最小化人群感染率的政策措施竞争演化。这一人工协同进化系统可为我们提供一个“调试”当前政策措施、识别当前策略弱点并预见病毒演化以提前规划相关政策的实验室。它也构成了发展能够模拟更复杂对象的新遗传算法的决定性机遇。我们强调了在该病毒演化背景下 GAs 的一些结构创新，这些创新可能在进化计算、人工生命和 AI 中带来有前景的发展。
引用
@article{arxiv.2102.12365,
title = {Modelling SARS-CoV-2 coevolution with genetic algorithms},
author = {Aymeric Vie},
journal= {arXiv preprint arXiv:2102.12365},
year = {2021}
}