基于状态估计的交互式人类社会流感疫情鲁棒最优控制
系统与控制
2020-11-12 v2 系统与控制
摘要
本文针对存在建模不确定性的交互式人类社会中的流感疫情，提出了一种基于状态估计的鲁棒最优控制策略。交互式社会受来自其他人类社会的个体随机进入的影响，其效应可建模为非高斯噪声。由于仅能测量暴露与感染人类的数量，流感疫情的状态首先由扩展最大相关熵卡尔曼滤波器（EMCKF）估计，以在非高斯噪声存在下提供鲁棒状态估计。随后，基于鲁棒控制李雅普诺夫函数（RCLF）综合一个在线二次规划（QP）优化，以最小化易感与感染人类数量，同时最小化并约束疫苗接种与抗病毒治疗速率。该 QP-RCLF-EMCKF 联合方法满足了多项设计规范，如状态估计、跟踪、逐点控制最优性以及对参数不确定性与状态估计误差的鲁棒性，这些规范在以往研究中未能同时实现。利用李雅普诺夫稳定性论证保证了误差轨迹的一致最终有界（UUB）/收敛性。所提方法的合理性在人口为 16000 的交互式人类社会流感疫情上得到验证。仿真结果表明 QP-RCLF-EMCKF 实现了适当的跟踪与状态估计性能。最后在建模误差与非高斯噪声存在下说明了所提控制器的鲁棒性。
引用
@article{arxiv.2005.13101,
title = {State Estimation-Based Robust Optimal Control of Influenza Epidemics in an Interactive Human Society},
author = {Vahid Azimi and Mojtaba Sharifi and Seyed Fakoorian and Thang Tien Nguyen and Van Van Huynh},
journal= {arXiv preprint arXiv:2005.13101},
year = {2020}
}