强化接触者追踪与疫情干预
人工智能
2021-02-17 v1 机器学习
摘要
近期暴发的 COVID-19 对人们的生命构成严重威胁。疫情控制策略通过切断人们的日常通勤也对经济造成了损害。在本文中，我们开发了一种基于个体的强化学习疫情控制智能体（IDRLECA），以寻找能够同时最小化感染人数和出行干预成本的智能疫情控制策略。IDRLECA 首先采用感染概率模型来计算每个个体的当前感染概率。然后，将感染概率与个体的健康状态和移动信息一起输入到一个新颖的 GNN 中，以估计病毒通过人际接触的传播情况。估计的风险被用于进一步支持一个 RL 智能体选择个体层面的疫情控制动作。IDRLECA 的训练由专门设计的奖励函数引导，该函数同时考虑出行干预的成本和疫情控制的有效性。此外，我们为控制动作选择设计了一个约束，以缓解其难度并进一步提高探索效率。大量实验结果表明，IDRLECA 能够将感染抑制在非常低的水平，并保留超过 95% 的人类出行活动。
引用
@article{arxiv.2102.08251,
title = {Reinforced Contact Tracing and Epidemic Intervention},
author = {Tao Feng and Sirui Song and Tong Xia and Yong Li},
journal= {arXiv preprint arXiv:2102.08251},
year = {2021}
}