Розробка багатопараметричної мультиагентної системи моделювання динаміки поширення інфекційних захворювань
Анотація
У статті представлено підхід до моделювання динаміки поширення інфекційних захворювань за допомогою багатопараметричної мультиагентної системи, яка враховує як біологічні, так і соціальні фактори. Метою дослідження є створення гнучкої моделі, яка дозволяє аналізувати епідеміологічні процеси в умовах урбанізованого середовища та оцінювати ефективність різних сценаріїв втручання. У межах моделі кожен агент репрезентує індивідуальну одиницю популяції з власними характеристиками, включаючи стан здоров’я, соціальну активність, маршрут пересування та поведінкові особливості. Для опису інфекційного процесу було використано адаптовану SIR-модель, інтегровану у мультиагентну систему, що дозволяє врахувати ймовірнісні переходи між станами вразливості, інфікування та одужання залежно від особливостей взаємодій між агентами. У якості інструментарію реалізації обрано мову Java з використанням платформи MASON, яка дозволяє створювати моделі з високим рівнем деталізації та масштабованості. Для інтерактивної візуалізації було використано JavaFX у поєднанні з бібліотекою GeoFX, що забезпечує відображення просторової структури моделі, станів агентів та поширення інфекції у часі та просторі. Візуалізація є не лише демонстраційним елементом, а й аналітичним інструментом, що дозволяє оцінювати ефективність превентивних заходів у режимі реального часу. Результати симуляцій показали здатність моделі відображати складні патерни поширення інфекцій, у тому числі залежність динаміки від просторового розташування джерела інфекції. Робота демонструє потенціал мультиагентного підходу в поєднанні з геопросторовою візуалізацією як ефективного засобу підтримки рішень у сфері громадського здоров’я
Посилання
2. Yaroslav Vyklyuk, Denys Nevinskyi, Valentyna Chopyak, Olga Golubovska, Miroslav Škoda, Kateryna Hazdiuk. Modeling the spatial distribution of different strains of the COVID-19 virus based on the GeoSER(D) model. Viruses. 2023. No 15(12). 2299.
3. Liu et al. Modeling COVID-19 spread using multi-agent simulation with small-world network approach. BMC Public Health. 2024;24:672.
4. Walsh Medical Media. Comparing Decision Tree-Based Ensemble Machine Learning Models for COVID-19 Death Probability Profiling. Journal of Health & Medical Informatics.
5. Savarimuthu, B.T.R., & Cranefield, S. "Norm creation, spreading and emergence: A survey of simulation models of norms in multi-agent systems." Multiagent and Grid Systems, vol. 7, no. 1, pp. 21-54, 2021.




