Identificando regras de transição de autômato celular probabilista via algoritmo genético em sistemas epidemiológicos
Carregando...
Tipo
Dissertação
Data de publicação
2008-09-17
Periódico
Citações (Scopus)
Autores
Oliveira, Douglas Nunes de
Orientador
Monteiro, Luiz Henrique Alves
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Oliveira, Pedro Paulo Balbi de
Berlinck, José Guilherme de Souza Chaui Mattos
Berlinck, José Guilherme de Souza Chaui Mattos
Programa
Engenharia Elétrica
Resumo
Autômatos celulares probabilistas podem ser usados para modelar a propagação de doenças contagiosas numa população composta por indivíduos suscetíveis, infectados e recuperados da infecção. A cada passo de tempo, um indivíduo
suscetível pode ou permanecer suscetível ou contrair a doença de infectados, sendo a probabilidade associada ao contágio dependente do número de infectados em contato com esse suscetível. A cada passo de tempo, um indivíduo infectado pode (probabilisticamente) permanecer infectado, ou se recuperar, ou morrer pela doença ou morrer de outras causas. Um indivíduo recuperado pode, a cada iteração, ou
permanecer como está ou morrer. Quando um indivíduo infectado ou recuperado morre, nasce, em seu lugar, um suscetível, de modo que a população permanece constante. Aqui, algoritmos genéticos são empregados para identificar os valores das probabilidades associadas aos processos de infecção, recuperação e morte, a partir de dados epidemiológicos do Arizona (EUA) para catapora. O objetivo é obter um modelo baseado em regras probabilistas de transição de estados capaz de reproduzir essa série temporal e verificar a qualidade da previsão do modelo. Este trabalho revela que as previsões são fortemente influenciadas pelo tamanho do
reticulado do autômato celular e por restrições impostas aos valores das probabilidades.
Descrição
Palavras-chave
algoritmo genético , autômato celular , propagação de doenças , cellular automaton , disease spreading , genetic algorithm
Assuntos Scopus
Citação
OLIVEIRA, Douglas Nunes de. Identificando regras de transição de autômato celular probabilista via algoritmo genético em sistemas epidemiológicos. 2008. 75 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2008.