Artificial infectious disease optimization: A SEIQR epidemic dynamic model-based function optimization algorithm

Huang, Guangqiu

doi:10.1016/j.swevo.2015.09.007

Cited by 25 publications

(17 citation statements)

References 63 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…This is due to the exposed period of SARS for 3-5 days [1] and the subpopulation model E is based on the study [9]. In addition to adding subpopulation E, it is assumed that individual infected with SARS cannot recover naturally by model [1].…”

Section: Issn 2087-2852 E-issn 2338-1655mentioning

confidence: 99%

“…Furthermore, an assumption is added to the SVEIR model that individual infected with SARS cannot recover naturally, it's based on the model of Huang's research [1]. The addition of these assumption causes the natural recovery rate of infected individual is zero.…”

Section: Issn 2087-2852 E-issn 2338-1655mentioning

confidence: 99%

“…Infectious diseases can be transmitted from one individual to another through a variety of intermediate such as body fluids, feces, and tools contamined by individual infected SARS virus [1]. Susceptible individual can be infected with the SARS virus as a result of making contact with infected individual so that it can lead to new infection that will spread the disease to other susceptible individual.…”

mentioning

confidence: 99%

See 2 more Smart Citations

Optimal Control on Model of SARS Disease Spread with Vaccination and Treatment

Sari

Habibah

Widodo

2017

JELS

View full text Add to dashboard Cite

The spread of SARS (Severe Acute Respiratory Syndrome) disease in a human population is one of the phenomena that can be mathematically modeled. The exposed period of SARS disease underlies the formation of the SVEIR epidemic model which is a modification of the SVIR epidemic model by adding subpopulation E (exposed). In the SVEIR model, there are two control variables in the form of vaccination and treatment which aimed to minimize exposed subpopulation, infected subpopulation, and control implementation cost. The Pontryagin's minimum principle is used to obtain optimal control and system, thus minimizing objective functional as the objective to be achieved. Furthermore, the forward-backward sweep method is used for numerical simulation in order to determine the most appropriate control strategy in a finite time. The simulation results show that implementation of both vaccination and treatment is the most effective decision making to control the spread of SARS disease.

show abstract

Section: Issn 2087-2852 E-issn 2338-1655mentioning

confidence: 99%

Section: Issn 2087-2852 E-issn 2338-1655mentioning

confidence: 99%

mentioning

confidence: 99%

See 1 more Smart Citation

Optimal Control on Model of SARS Disease Spread with Vaccination and Treatment

Sari

Habibah

Widodo

2017

JELS

View full text Add to dashboard Cite

show abstract

“…behavior of individuals, and a model of the surveillance system (any sampling inefficiency, time delays). Several SIR models try to model epidemic situations, having many parameters and uncertainties Huang (2016).…”

Section: Introductionmentioning

confidence: 99%

A simple Stochastic model for the SARS-CoV-2 Epidemic curve

Diógenes

Tedesco

2020

Preprint

View full text Add to dashboard Cite

An epidemic curve is a graphic depiction of the number of outbreak cases by date of illness onset, ordinarily constructed after the disease outbreak is over. However, a good estimate of the epidemic curve early in an outbreak would be invaluable to health care officials. On the other hand, from the end of February, the SARS-CoV-2 epidemic in Brazil seems to not follow the Europe, or in particular, Italy or Spain. Even if less tests have been applied, there are less deaths occurring in Brazil than in both cited countries. However, since few tests were applied, there is no certain planning on the real number of active cases. To estimate the number of future cases, epidemiologists make an educated guess as to how many people might become affected. We have proposed a simple fitting model using a simulated annealing technique, testing it with the South Korea data. We have tested and discussed the uncertainties of the model. We also have analyzed the trends in the confirmed cases using this model for the five most affected countries plus Brazil along several epidemic weeks.

show abstract

“…Βασισμένοι στο φαινόμενο της αλλοστάσεως (allostasis) όπου το ανθρώπινο σώμα προσπαθεί να σταθεροποιήσει την κατάσταση που δεν λειτουργεί σωστά ένα όργανο, οι Osuna-Enciso et al ( 2016) παρουσίασαν την Αλλοστατική Βελτιστοποίηση (Allostatic Optimization). Μια τέτοια κατάσταση μπορεί να είναι και μια αρρώστια, μια έννοια στην οποία βασίστηκε η Βελτιστοποίηση Τεχνητής Μεταδοτικής Ασθένειας (Artificial Infectious Disease Optimization) (Huang, 2016). Πιο πρόσφατη μέθοδος αυτής της κατηγορίας πηγής έμπνευσης ονομάζεται Αλγόριθμος Επιστήμης Χημειοθεραπείας (Chemotherapy Science Algorithm) και προτάθηκε από τους Salmani and Eshghi (2017) για την επίλυση Προβλημάτων Πλανόδιου Πωλητή.…”

Section: άλλα παραδείγματαunclassified

Νοήμονες Υπολογιστικές Μέθοδοι Εμπνευσμένες Από Τον Φυσικό Κόσμο Για Την Βελτιστοποίηση Συστημάτων

Τζανέτος¹

View full text Add to dashboard Cite

Η εποχή που διανύουμε φέρνει στο προσκήνιο την Τεχνητή Νοημοσύνη, καθότι διάφοροι κλάδοι ενσωματώνουν εντυπωσιακές εφαρμογές της. Πολλές αναφορές γίνονται στην 4η Βιομηχανική Επανάσταση, η οποία έχει πλέον την Τεχνητή Νοημοσύνη ως κύριο πυλώνα της. Ήδη από τη δεκαετία του 1950 αναπτύσσονταν νοήμονα συστήματα λήψης απόφασης, τα οποία συνήθως είχαν υποστηρικτικό ρόλο για έναν λήπτη απόφασης. Προβλήματα στα οποία έπρεπε να βρεθεί μια βέλτιστη στρατηγική, τα επονομαζόμενα προβλήματα βελτιστοποίησης, εμφανίζονται σε διάφορα πεδία όπως η Χρηματοοικονομική Μηχανική (Financial Engineering), η Μηχανική της Διοίκησης (Management Engineering) και η Επιχειρησιακή Έρευνα (Operational Research). Πολλά εκ των προβλημάτων που καλείται να λύσει ένας Μηχανικός ανήκουν στα προβλήματα βελτιστοποίησης. Και καθώς τα προβλήματα που αντιμετωπίζει η βιομηχανία γίνονται ολοένα και πιο δύσκολα, αυξάνεται η χρησιμότητα των Νοημόνων Υπολογιστικών Μεθόδων και η ενσωμάτωσή τους στους σχετικούς κλάδους της βιομηχανίας. Το φάσμα των Νοημόνων Υπολογιστικών Μεθόδων είναι ευρύ και εκτείνεται από τις μεθόδους Μηχανικής Μάθησης (Machine Learning) μέχρι και τις Νοήμονες Μεθόδους που είναι Εμπνευσμένες από τη Φύση (Nature-inspired Intelligent Methods). Οι τελευταίες, παρόλο που άρχισαν να αναπτύσσονται από τα μέσα της δεκαετίας του ’80, αποτέλεσαν ξεχωριστή κατηγορία Νοημόνων Υπολογιστικών Μεθόδων στη βιβλιογραφία στις αρχές του 2000. Λόγω της ικανότητάς τους να επιλύουν δύσκολα προβλήματα βελτιστοποίησης πολλών διαστάσεων, οι Νοήμονες Υπολογιστικές Μέθοδοι Εμπνευσμένες από τον Φυσικό Κόσμο έχουν προσελκύσει το ενδιαφέρον των ερευνητών διεθνώς ήδη από την προηγούμενη δεκαετία. Στην παρούσα διατριβή συλλέχθηκαν και μελετήθηκαν όλες οι Νοήμονες Υπολογιστικές Μέθοδοι που είναι Εμπνευσμένες από τον Φυσικό Κόσμο με σκοπό να εντοπιστούν τα χαρακτηριστικά που μπορούν να βελτιώσουν την απόδοσή τους. Επιπρόθετα, η μελέτη εστίασε και στα προβλήματα (χώρους εφαρμογής) που εφαρμόζονται οι παραπάνω μέθοδοι. Από αυτή την εκτενή μελέτη της βιβλιογραφίας προέκυψαν κάποιες παρατηρήσεις, οι οποίες αποτυπώθηκαν σε ένα πλαίσιο εργασίας (framework), το οποίο μπορεί να ακολουθήσει ο ενδιαφερόμενος ερευνητής, ώστε να αναπτύξει ή να βελτιώσει κάποια υπάρχουσα Νοήμονα Υπολογιστική Μέθοδος Εμπνευσμένη από τον Φυσικό Κόσμο. Επιπλέον, σε συμφωνία με το προτεινόμενο πλαίσιο εργασίας και με βάση τα προαναφερθέντα χαρακτηριστικά, αναπτύχθηκε μια νέα νοήμων υπολογιστική μέθοδος εμπνευσμένη από τους νόμους της υποθαλάσσιας ακουστικής, η οποία αποδεικνύεται αποτελεσματική στην επίλυση διαφόρων πρακτικών εφαρμογών από το χώρο της Μηχανικής των Αποφάσεων (Βελτιστοποίηση Χαρτοφυλακίου, Βέλτιστη Εξισορρόπηση Πόρων στη Διοίκηση Έργων, Οικονομική Κατανομή Φορτίου, Βελτιστοποίηση Γραμμών Παραγωγής). Μάλιστα, τα αποτελέσματα της προτεινόμενης μεθόδου συγκρίνονται με αυτά άλλων κλασικών μεθόδων της βιβλιογραφίας ή μεθόδων που ανήκουν εξίσου στην κατηγορία των Υπολογιστικών Μεθόδων που είναι Εμπνευσμένες από τον Φυσικό Κόσμο, τις οποίες και ξεπερνάει σε απόδοση. Κατά τη διάρκεια της έρευνας, εφαρμόζοντας την προτεινόμενη μέθοδο σε προβλήματα των χώρων εφαρμογής που αναφέρονται παραπάνω, βελτιώθηκαν μηχανισμοί της μεθόδου, ενώ αναπτύχθηκαν μηχανισμοί που βοήθησαν στην αντιμετώπιση διάφορων προβλημάτων που αντιμετωπίζουν οι Νοήμονες Υπολογιστικές Μέθοδοι που είναι Εμπνευσμένες από τον Φυσικό Κόσμο. Μάλιστα, οι μηχανισμοί που αναπτύχθηκαν αποτελούν και μέρος της συνεισφοράς της παρούσας διατριβής, καθώς μπορούν να υιοθετηθούν και από άλλες μεθόδους Υπολογιστικής Νοημοσύνης. Τέλος, σε ορισμένες περιπτώσεις αναπτύχθηκαν και υβριδικά σχήματα που περιέχουν την υπολογιστική μέθοδο που προτείνεται στην παρούσα διατριβή με σκοπό την βελτίωση της απόδοσής της.

show abstract

Artificial infectious disease optimization: A SEIQR epidemic dynamic model-based function optimization algorithm

Abstract: Cite this article as: Guang-qiu Huang, Artificial Infectious Disease Optimization: A SEIQR Epidemic Dynamic Model-based Function Optimization Algorithm, Swarm and Evolutionary Computation, http://dx.

Cited by 25 publications

References 63 publications

Optimal Control on Model of SARS Disease Spread with Vaccination and Treatment

Optimal Control on Model of SARS Disease Spread with Vaccination and Treatment

A simple Stochastic model for the SARS-CoV-2 Epidemic curve

Νοήμονες Υπολογιστικές Μέθοδοι Εμπνευσμένες Από Τον Φυσικό Κόσμο Για Την Βελτιστοποίηση Συστημάτων

Contact Info

Product

Resources

About