[发明专利]一种基于K近邻约束优化的传染病传播治疗模型优化方法

说明书

本发明公开了一种基于K近邻约束优化的传染病传播治疗模型优化方法，包括：针对传染病的传播治疗建立结构图，并获取结构图中的每个节点的治疗成本和感染其他节点的概率的数据；针对所述结构图建立优化模型，优化模型包括目标函数和对应的约束；使用约束优化算法求解所述优化模型，得到所有节点的治愈率。本发明基于种群中可行解的比例以及进化代数自适应调整K，每个个体定义其K近邻，把在K近邻中违反约束程度最轻的个体当成可行解比较，并根据邻居来定义新的违反约束的程度，该算法能有效处理约束优化问题，从而高效精准的得到传染病传播治疗模型的最优解，制定相应的策略。

技术领域

本发明涉及算法优化以及公共卫生技术领域，具体涉及一种基于K近邻约束优化的传染病传播治疗模型优化方法。

背景技术

在公共卫生和网络安全等涉及资源调度和资源分配的问题中，制定合理的控制和遏制资源有限时传染病或病毒的传播过程的策略是一个重要的问题。这一类问题通常可以建模为一个约束优化问题。因此，迫切需要一个高效的约束处理技术来求解约束优化问题，从而定制最优的传染病传播治疗策略。对于传染病传播治疗策略的制定，主要分为以下几个部分：

(1)传染病传播治疗数学建模：传染病传播治疗是一个复杂网络，流行病模型的建模可以模拟复杂网络病毒的传播和治疗，将复杂网络建模为一个带约束的目标优化问题，通过求解该问题的最优解，制定有效的控制传播和治疗策略。

(2)约束处理方法：要实现约束优化问题的求解，约束处理技术尤为重要，高效且精准的约束处理技术是制定传染病传播治疗策略的核心。

目前，约束处理技术主要有以下四类：(1)罚函数的方法。该类方法通过对非可行解加一个罚因子或罚函数，迫使搜索过程向可行区域进行。这一类方法中罚因子或罚函数的选择是一个十分困难的问题；(2)将目标函数和违反约束程度分开看待的方法。该类方法将目标函数值与违反约束的程度分开看待，以一定的概率以其中一个为优先原则选择个体。这一类方法保存的可行解通常是随机的，对非可行解的搜索没有指导作用；(3)约束主导排序的方法。这一类方法优秀挑选可行解里目标值更优的解，再挑选违反约束程度较小的解。其主要缺点这类算法本质上是“死”罚函数法，即罚函数法中罚因子非常大的情形，因此，约束主导排序算法容易陷入局部最优；(4)基于多目标技术的约束优化方法。这一类方法将约束当做一个新的目标从而将单目标约束问题转化为一个双目标无约束优化问题，并通过双目标无约束优化算法来求解问题。这一类算法不需要平衡目标函数和违反约束程度，它们的主要缺点是当可行解较多时，非可行解的多样性无法保证，从而失去对空间的充分搜索能力。

发明内容

本发明的目的是提供一种基于K近邻约束优化的传染病传播治疗模型优化方法，用以高效的求解传染病传播治疗的约束优化问题，得到节点的治愈率，从而为制定有效的传染传播治疗策略提供支持。

为了实现上述任务，本发明采用以下技术方案：

一种基于K近邻约束优化的传染病传播治疗模型优化方法，包括以下步骤：

S1，针对传染病的传播治疗建立结构图，并获取结构图中的每个节点i的治疗成本c_i和感染其他节点j的概率a_ij的数据；结构图中的节点数量记为N；

S2，针对所述结构图建立优化模型，优化模型包括目标函数和对应的约束；

S3，使用约束优化算法求解所述优化模型，得到所有节点的治愈率x，包括：

S3.1，初始化种群和参数

均匀随机产生M个初始解作为初始种群P₁,其中种群中的第j个个体表示一个解中各个节点的治愈率；

设置最大进化代数G_max；

设置可行解与局部可行解比例随进化代数变化的比例R_t；