SIR类型新型冠状病毒肺炎多阶段最优控制模型

doi:10.15960/j.cnki.issn.1007-6093.2023.01.003

摘要/Abstract

摘要：

新型冠状病毒肺炎(COVID-19)疫情在全球范围传播, 给人们的健康带来了严重的威胁。面对疫情发展预期数据, 我们需要在有限医疗资源的情况下确定疫情传播参数, 以指导主要防疫措施的实施力度。本文采用SIR类型的模型描述新冠肺炎疫情发展, 并建立多阶段最优控制模型确定疫情传播参数。为了高效确定参数取值, 我们建立多项式时间可计算的半定规划近似模型。基于世界卫生组织发布的数据, 我们求解近似模型, 得到描述给定时段内美国新冠肺炎疫情发展态势的疫情传播参数, 并分析疫情防控策略。

关键词: 新型冠状病毒肺炎, 多阶段最优控制模型, 半定规划问题

Abstract:

The coronavirus disease 2019 (COVID-19) spreads all over the world, and it makes serious threat to people's health. Being faced with the data of anticipated development of COVID-19, we need to determine the epidemic spreading parameters under limited medical resources to give guidance for implementation intensities of the main epidemic prevention and control measures. In this paper, we describe the development of COVID-19 based on the SIR model. What's more, we propose a multi-stage optimal control model to determine the epidemic spreading parameters. In order to determine the values of parameters efficiently, we construct an SDP approximation model which is a polynomial-time computable problem. Based on the data of COVID-19 published by WHO, we apply our approximation model to obtain the epidemic spreading parameters which describe the development of COVID-19 in the USA within a given period of time, and analyze the epidemic prevention and control strategies.

Key words: coronavirus disease 2019, multi-stage optimal control model, SDP problem

中图分类号:

O221

徐瑾涛, 邢文训. SIR类型新型冠状病毒肺炎多阶段最优控制模型[J]. 运筹学学报, 2023, 27(1): 43-52.

Jintao XU, Wenxun XING. SIR type COVID-19 multi-stage optimal control model[J]. Operations Research Transactions, 2023, 27(1): 43-52.

图/表 5

表1

表2

图1

表3

表4

参考文献 14

1	张彦平. 新型冠状病毒肺炎流行病学特征分析[J]. 中华流行病学杂志, 2020, 41 (2): 145- 151.
2	严杰, 李明远, 孙爱华, 等. 2019新型冠状病毒及其感染性肺炎[J]. 中华微生物学和免疫学杂志, 2020, 40 (1): 1- 6.
3	徐宝丽, 管甲亮, 术超, 等. 新型冠状病毒COVID-19相关研究进展[J]. 中华医院感染学杂志, 2020, 30 (6): 839- 844.
4	陈兴志, 田宝单, 王代文, 等. 基于SEIR模型的COVID-19疫情防控效果评估和预测[J]. 应用数学和力学, 2021, 42 (2): 199- 211.
5	Xu C , Yu Y , Chen Y , et al. Forecast analysis of the epidemics trend of COVID-19 in the USA by a generalized fractional-order SEIR model[J]. Nonlinear Dynamics, 2020, 101, 1621- 1634. doi: 10.1007/s11071-020-05946-3
6	Mahrouf M , Boukhouima A , Zine H , et al. Modeling and forecasting of COVID-19 spreading by delayed stochastic differential equations[J]. Axioms, 2021, 10 (1): 18. doi: 10.3390/axioms10010018
7	Khyar O , Allali K . Global dynamics of a multi-strain SEIR epidemic model with general incidence rates: application to COVID-19 pandemic[J]. Nonlinear Dynamics, 2020, 102, 489- 509. doi: 10.1007/s11071-020-05929-4
8	Arcede J P , Caga-anan R L , Mentuda C Q , et al. Accounting for symptomatic and asymptomatic in a SEIR-type model of COVID-19[J]. Mathematical Modelling of Natural Phenomena, 2020, 15, 34.
9	Zhang Z , Zeb A , Hussain S , et al. Dynamics of COVID-19 mathematical model with stochastic perturbation[J]. Advances in Difference Equations, 2020, 2020, 451.
10	薛毅. 数学建模基础[M]. 北京: 科学出版社, 2011.
11	吴尊友. 新型冠状病毒肺炎无症状感染者在疫情传播中的作用与防控策略[J]. 中华流行病学杂志, 2020, 41 (6): 801- 805.
12	Nesterov Y. Squared functional systems and optimization problems[M]//High Performance Optimization, Boston: Springer, 2000: 405-440.
13	邢文训, 方述诚. 线性锥优化导论[M]. 北京: 清华大学出版社, 2020.
14	美国最快12月11日接种新冠疫苗一线医护人员率先接种[EB/OL]. (2020-11-24)[2021-03-06]. https://xw.qq.com/cmsid/20201124V03H5I00.

$\lambda_{a}$	相邻两阶段易感者($\rm S$)被新冠病毒感染, 转变为无症状感染者($\rm I_{a}$) 的比例
$\lambda_{s}$	相邻两阶段易感者($\rm S$)被新冠病毒感染, 转变为有症状感染者($\rm I_{s}$) 的比例
$\mu_{a}$	相邻两阶段无症状感染者($\rm I_{a}$)痊愈的比例
$\mu_{s}$	相邻两阶段有症状感染者($\rm I_{s}$)痊愈的比例
$\gamma $	相邻两阶段易感者($\rm S$)通过接种疫苗获得免疫的比例
$\delta_{S}$	相邻两阶段易感者($\rm S$)保持不变的比例
$\delta_{I_{a}}$	相邻两阶段无症状感染者($\rm I_{a}$)保持不变的比例
$\delta_{I_{s}}$	相邻两阶段有症状感染者($\rm I_{s}$)保持不变的比例
$\delta_{R}$	相邻两阶段免疫者($\rm R$)保持不变的比例
$\beta_{S1}$	相邻两阶段由于输入输出导致的易感者($\rm S$)人数变化量
$\beta_{S2}$	相邻两阶段内新生儿人数
$\beta_{I_{a}}$	相邻两阶段由于输入输出导致的无症状感染者($\rm I_{a}$)人数变化量
$\beta_{I_{s}}$	相邻两阶段由于输入输出导致的有症状感染者($\rm I_{s}$)人数变化量
$\beta_{R}$	相邻两阶段由于输入输出导致的免疫者($\rm R$)人数变化量

方程组(1)疫情传播参数需满足的关系式	原因解释
$L_{1}\leq \delta_{S}+\lambda_{a}+\lambda_{s}+\gamma\leq U_{1}$	易感者($\rm S$)存在死亡率
$L_{2}\leq \delta_{I_{a}}+\mu_{a}\leq U_{2}$	无症状感染者($\rm I_{a}$)存在死亡率
$L_{3}\leq \delta_{I_{s}}+\mu_{s}\leq U_{3}$	有症状感染者($\rm I_{s}$)存在死亡率
$L_{4}\leq \delta_{R}\leq U_{4}$	免疫者($\rm R$)存在死亡率
$9\lambda_{a}\leq \lambda_{s}$	依据文献[11], 本文的合理假设
$L_{5}\leq \gamma\leq U_{5}$	本文的合理假设

$\tilde{U}$的取值	0.6	1	2
AMOCM的最优值	0.363 729	0.110 419	0.003 306 57

矩阵及向量	$\lambda_{a}$	$\lambda_{s}$	$\gamma$	$\delta_{I_{a}}$	$\delta_{I_{s}}$	$\delta_{S}$	$\mu_{a}$	$\mu_{s}$	$\beta_{I_{a}}$
$A_{0}$, $b_{0}$	0.000 46	0.004 14	0	0.325 18	0.315 17	0.995 4	0.674 82	0.677 55	-0.000 06
$A_{1}$, $b_{1}$	0.000 09	0.000 82	0.000 32	0.441 04	0.555 47	0.998 77	0.558 96	0.420 39	0.000 04

[1]	王海军, 王辉辉. 带消失约束的区间值优化问题的最优性条件与对偶定理[J]. 运筹学学报, 2023, 27(1): 87-102.
[2]	廖伍代, 周军. 基于递归型神经网络动力学求解时变凸二次规划[J]. 运筹学学报, 2023, 27(1): 103-114.
[3]	叶明露, 邓欢. 一种新的求解拟单调变分不等式的压缩投影算法[J]. 运筹学学报, 2023, 27(1): 127-137.
[4]	袁藩, 徐大川, 张冬梅. k-均值问题的差分隐私算法综述[J]. 运筹学学报, 2022, 26(3): 1-16.
[5]	谢文蕙, 凌晨, 潘晨健. 一个基于张量火车分解的张量填充方法及在图像恢复中的应用[J]. 运筹学学报, 2022, 26(3): 31-43.
[6]	张斌武, 关秀翠. 单位无穷范数下边权有界的最小支撑树逆最优值问题[J]. 运筹学学报, 2022, 26(3): 44-56.
[7]	张安, 陈永, 陈光亭, 陈占文, 舒巧君, 林国辉. 优先序约束的排序问题：基于最大匹配的近似算法[J]. 运筹学学报, 2022, 26(3): 57-74.
[8]	苏兵, WyattCarlson, 范佳彬, GAO Arthur, 邵艳君, 林国辉. 最小化碳排放的共享单车迁移问题[J]. 运筹学学报, 2022, 26(3): 75-91.
[9]	王冬, 李刚刚, 罗文昌. 工件具有任意尺寸的混合分批平行机排序问题的近似算法[J]. 运筹学学报, 2022, 26(3): 133-142.
[10]	周萍, 季敏, 蒋义伟. 极大化提前完工总量平行机排序问题的LPT算法[J]. 运筹学学报, 2022, 26(3): 151-156.
[11]	吕袈豪, 罗洪林, 杨泽华, 彭建文. 随机Bregman ADMM及其在训练具有离散结构的支持向量机中的应用[J]. 运筹学学报, 2022, 26(2): 16-30.
[12]	王博, 初丽, 张立卫, 张宏伟. 随机二阶锥二次规划逆问题的SAA方法[J]. 运筹学学报, 2022, 26(2): 31-44.
[13]	李文杰, 李钰晶, 刘海玲. 工件的释放时间和加工时间具有一致性的单机在线排序问题研究[J]. 运筹学学报, 2022, 26(2): 55-63.
[14]	毕春燕, 万龙, 罗文昌. 工件有到达时间及可拒绝下的同类平行机排序问题的近似算法[J]. 运筹学学报, 2022, 26(2): 73-82.
[15]	黄小利, 高岳林, 张博, 刘霞. 一种求解二次约束二次规划问题的自适应全局优化算法[J]. 运筹学学报, 2022, 26(2): 83-100.