Мультиагентна імітаційна модель поширення інфекційних захворювань

Abstract

Метою дослідження є розробка мультиагентної імітаційної моделі для прогнозування поширення інфекційних захворювань, зокрема COVID19. В умовах пандемії COVID-19 виникла нагальна потреба у створенні інструментів для прогнозування та аналізу динаміки епідемій, а також оцінки ефективності управлінських рішень. Використання математичних моделей у цьому процесі дозволяє адекватно описувати динаміку поширення інфекцій, що є важливим для прийняття обґрунтованих рішень. У статті розглядаються традиційні підходи до моделювання епідемій, такі як модель «хижак–жертва» та компартментальна модель SIR (Susceptible-Infectious-Recovered). Модель «хижак–жертва» описує взаємодію між двома видами в екосистемі за допомогою диференціальних рівнянь, що дозволяє моделювати динаміку популяцій. Компартментальна модель SIR поділяє населення на три групи: вразливі, інфіковані та одужалі, що дозволяє аналізувати поширення інфекційних захворювань. Проте ці моделі мають обмеження, зокрема через припущення про однорідність популяції та сталість параметрів. Для більш точного моделювання складних епідемічних процесів було розроблено мультиагентну імітаційну модель. У цій моделі агенти взаємодіють у визначеній області, імітуючи реальні умови поширення інфекції. Агенти поділяються на три класи: здорові, інфіковані та одужалі. Рух агентів моделюється за допомогою випадкового блукання у двовимірному просторі з урахуванням можливості контакту між ними, що може призвести до зараження. Інфіковані агенти після певного періоду захворювання переходять у клас одужалих і більше не можуть інфікуватися. Результати моделювання показали, що мультиагентна модель дозволяє більш точно прогнозувати динаміку поширення інфекцій. Було проведено численні експерименти, які продемонстрували адекватність моделі у відтворенні процесу інфікування, пікових значень захворюваності та періоду одужання. Досліджено вплив різних параметрів, таких як тривалість захворювання, на динаміку епідемії. Отримані результати підтверджують, що врахування індивідуальних характеристик та поведінкових особливостей агентів покращує точність моделювання. Це дозволяє використовувати мультиагентну імітаційну модель для розробки ефективних стратегій контролю та прогнозування поширення інфекційних захворювань, що може бути корисним для прийняття управлінських рішень у реальних умовах пандемії.The aim of the research is to develop a multi-agent simulation model for predicting the spread of infectious diseases, particularly COVID-19. In the context of the COVID-19 pandemic, there emerged an urgent need to create tools for forecasting and analyzing the dynamics of epidemics, as well as for evaluating the effectiveness of management decisions. The use of mathematical models in this process allows for an adequate description of the infection spread dynamics, which is essential for making informed decisions. The article discusses traditional approaches to epidemic modeling, such as the predator-prey model and the compartmental SIR (Susceptible-Infectious-Recovered) model. The predator-prey model describes the interaction between two species in an ecosystem using differential equations, which allows for modeling population dynamics. The compartmental SIR model divides the population into three groups: susceptible, infected, and recovered, which enables the analysis of the spread of infectious diseases. However, these models have limitations, particularly due to assumptions about population homogeneity and constant parameters. To more accurately model complex epidemic processes, a multi-agent simulation model was developed. In this model, agents interact within a defined area, mimicking real conditions of infection spread. Agents are divided into three classes: healthy, infected, and recovered. The movement of agents is modeled using random walk in a two-dimensional space, taking into account the possibility of contact between them, which can lead to infection. Infected agents transition to the recovered class after a certain period of illness and can no longer be infected. Modeling results showed that the multi-agent model allows for more accurate prediction of infection spread dynamics. Numerous experiments were conducted, demonstrating the model's adequacy in replicating the infection process, peak infection rates, and recovery periods. The influence of various parameters, such as the duration of illness, on the epidemic dynamics was investigated. The obtained results confirm that considering individual characteristics and behavioral traits of agents improves the accuracy of modeling. This allows the multi-agent simulation model to be used for developing effective control strategies and predicting the spread of infectious diseases, which can be useful for making management decisions in real pandemic conditions.