مقاله کنترل فعالیت مقرون به صرفه حامل های بدون علامت در شبکه های اجتماعی زمانی لایه بندی شده

چکیده

The robustness of human social networks against epidemic propagation relies on the propensity for physical contact adaptation. During the early phase of infection, asymptomatic carriers exhibit the same activity level as susceptible individuals, which presents challenges for incorporating control measures in epidemic projection models. This paper focuses on modeling and cost-efficient activity control of susceptible and carrier individuals in the context of the susceptible-carrier-infected-removed (SCIR) epidemic model over a two-layer contact network. In this model, individuals switch from a static contact layer to create new links in a temporal layer based on state-dependent activation rates. We derive conditions for the infection to die out or persist in a homogeneous network. Considering the significant costs associated with reducing the activity of susceptible and carrier individuals, we formulate an optimization problem to minimize the disease decay rate while constrained by a limited budget. We propose the use of successive geometric programming (SGP) approximation for this optimization task. Through simulation experiments on Poisson random graphs, we assess the impact of different parameters on disease prevalence. The results demonstrate that our SGP framework achieves a cost reduction of nearly 33% compared to conventional methods based on degree and closeness centrality.

چکیده به فارسی (ترجمه ماشینی)

استحکام شبکه های اجتماعی انسان در برابر انتشار اپیدمی به تمایل به سازگاری تماس فیزیکی متکی است.در مرحله اولیه عفونت ، حامل های بدون علامت همان سطح فعالیت را به عنوان افراد مستعد نشان می دهند ، که چالش هایی را برای ترکیب اقدامات کنترل در مدل های طرح ریزی اپیدمی ارائه می دهد.در این مقاله به مدل سازی و کنترل فعالیت مقرون به صرفه افراد مستعد و حامل در زمینه مدل همه گیر آلوده به حامل (SCIR) آلوده به حامل (SCIR) بر روی یک شبکه تماس دو لایه متمرکز شده است.در این مدل ، افراد از یک لایه تماس استاتیک برای ایجاد پیوندهای جدید در یک لایه زمانی بر اساس نرخ فعال سازی وابسته به دولت تغییر می کنند.ما شرایطی را برای عفونت به وجود می آوریم که از بین برود یا در یک شبکه همگن ادامه یابد.با توجه به هزینه های قابل توجه مرتبط با کاهش فعالیت افراد مستعد و حامل ، ما یک مشکل بهینه سازی را برای به حداقل رساندن نرخ پوسیدگی بیماری در حالی که محدود به بودجه محدود است ، تشکیل می دهیم.ما استفاده از برنامه نویسی هندسی پی در پی (SGP) را برای این کار بهینه سازی پیشنهاد می کنیم.از طریق آزمایش های شبیه سازی در نمودارهای تصادفی پواسون ، تأثیر پارامترهای مختلف بر شیوع بیماری را ارزیابی می کنیم.نتایج نشان می دهد که چارچوب SGP ما در مقایسه با روشهای معمولی بر اساس مدرک درجه و نزدیکی ، تقریباً 33 ٪ کاهش هزینه را به دست می آورد.