Моделювання прогнозування поширення епідемій методами рухомих клітинних автоматів та навчанням з підкріпленням

Abstract

Дисертація присвячена моделюванню поширення епідемій за допомогою математичних моделей, клітинних автоматів та методів навчання з підкріпленням. Проведено детальний аналіз основних наукових праць та існуючих математичних моделей епідеміологічних процесів з метою виявлення їх переваг та недоліків. Здійснено аналіз найбільш поширеного програмного забезпечення для моделювання епідеміологічних процесів, наведено приклади використання. Розроблено нові алгоритми прогнозування динаміки інфекційних захворювань рухомими клітинними автоматами, що базуються на методах штучного інтелекту, зокрема машинного навчання та врахування просторово-часової динаміки протікання хвороби. Для оптимізації стратегії соціального дистанціювання запропоновано модель SIHRD з використанням алгоритму Advantage Actor-Critic (A2C) та SEIR модель з використанням Deep Q-Learning (DQN), що дозволяє адаптувати політику агента до змін у середовищі. Проведено серію експериментів, що підтвердили ефективність поєднання математичного та імітаційного моделювання для прогнозування епідемій і визначення оптимальних заходів стримування. Здійснено процес розробки, архітектурного проєктування, тестування та розгортання веб-додатку для моделювання поширення інфекцій, який дозволяє користувачам запускати чисельні симуляції, змінювати параметри моделі та аналізувати результати у зручному графічному форматі. Отримані висновки можуть бути використані для вдосконалення стратегій реагування на пандемії та оптимізації заходів громадського здоров’я.