Identificando regras de transição de autômato celular probabilista via algoritmo genético em sistemas epidemiológicos

• Autor(a) principal: Oliveira, Douglas Nunes de
• Data de Publicação: 2008
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do Mackenzie
• Texto Completo: http://dspace.mackenzie.br/handle/10899/24407
• topic: algoritmo genético; autômato celular; propagação de doenças; cellular automaton; disease spreading; genetic algorithm; CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA

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.