跳转到主内容
学生Jiayi Lin用超级计算机图片解决优化问题
Jiayi Lin使用超级计算机解决优化问题台德州A&M高性能计算机设施图像: JiayiLin礼堂
得克萨斯A&M大学和George Mason大学的研究人员正在调查人口级数据使用问题,以努力为决策者编译隔离政策这将最终从多角度缓解流行病和流行病期间的疾病传播,包括大规模筛检、检疫和疫苗分发

博士Hrayer Aprahamian助理教授和Jiayi Lin博士生Hadi El-Amine,George Mason大学系统工程操作研究助理教授,利用对象风险信息识别隔离策略,以缓解疾病传播,同时确认潜在负经济影响

Aprahamian表示:「为了确定最佳策略,实事求是解决问题

他们的研究目的不仅是向实践者、管理员和决策者提供基于证据的洞见和建议以减缓疾病在流行病中的传播,而且还要证明操作研究和数学工具可用于成功传播更优化的减缓政策以有效消除疾病传播

Lin表示:「本文提供高效解决方案解决一系列挑战优化问题, 这些问题出现在许许多多现实应用中,从实用角度讲 论文探讨一个重要的问题 多从业者继续挣扎, 人如何使用广量COVID-19数据 构建知情数据驱动策略

研究者试图解答这个问题,提供数学框架识别有效减缓疾病传播的隔离政策,同时考虑特定主题风险资料和总体经济影响产生这种区别的原因是没有放之四海而皆准的政策。

团队使用实战风险数据对明尼苏达州进行了COVID-19案例研究-通过模拟基于普查数据的现实社区实现-并随后运行该特定社区优化模型生成模型使用得克萨斯A&M高性能研究计算设施解决实现综合结果时重复实验一系列实战参数值为了衡量拟议政策的益处,团队比较其解决办法与比较传统的单维政策

面向本地居民具体需求的政策推荐并需要我们与本地领导人密切合作以成功实现这些解决方案,显示识别数据驱动策略优于常规测量法 即减少疾病传播 并减少经济影响

Lin表示:「一个值得强调的观察显示, 完全不采取行动从不是最优解决各种现实参数值之法,

Aprahamian表示:「当规模化时,这些结果转化成数十万个少感染数和几百万美元积存高层次洞察力极有价值 因为它们可以被大型国家或世界性机构使用 督促本地管理员采取行动
Baidu
map