存在无症状患者时通过接触者追踪进行源检测
社会与信息网络
2021-12-30 v1
摘要
在大型智能体网络中推断扩散的源头是一项困难但可行的任务，前提是少数智能体充当传感器并揭示其被扩散击中的时间。当前源检测算法的一个主要局限是它们假设完全掌握接触网络，而这很少见，尤其在传染病中，源头被称为零号患者。受近期接触者追踪算法启发，我们提出了一个新框架，称为接触者追踪源检测框架（SDCTF）。在 SDCTF 中，源检测任务于首次住院时启动，且除首位住院智能体的身份外，我们初始对接触网络一无所知。随后我们可通过接触查询探索网络，并通过测试查询自适应地获得症状发作时间。我们还假设部分智能体可能为无症状，因而无法揭示其症状发作时间。我们的目标是用尽可能少的接触与测试查询找到零号患者。我们为 SDCTF 提出两种局部搜索算法：LS 算法更具数据效率，但在存在大量无症状智能体时可能找不到真实源头；而 LS+ 算法对无症状智能体更鲁棒。通过仿真，我们表明 LS 与 LS+ 均优于适配至 SDCTF 的最先进自适应与非自适应源检测算法，尽管这些基线算法完全掌握接触网络。扩展随机指数树理论，我们解析近似了 LS/LS+ 算法的成功概率，并表明解析结果与仿真吻合。最后，我们在 Lorch 等人开发的 Data-driven COVID-19 Simulator 上基准测试了我们的算法，这是源检测算法首次在此类复杂数据集上受测。
引用
@article{arxiv.2112.14530,
title = {Source Detection via Contact Tracing in the Presence of Asymptomatic Patients},
author = {Gergely Ódor and Jana Vuckovic and Miguel-Angel Sanchez Ndoye and Patrick Thiran},
journal= {arXiv preprint arXiv:2112.14530},
year = {2021}
}