یافتن راهبردهای بهینه توزیع واکسیناسیون کویید- ۱۹ با استفاده از الگوریتم های ژنتیکی

مقدمه و هدف: شیوع بیماری کرونا با همه پیامدهای منفی و ناخوشایندش، بستری را برای استفاده هر چهبیشتر از فناوری فراهم کرد. فناوری، در همه جنبههای پزشکی در مقابله با پاندمی، از مرحله تولید تا توزیعواکسن کرونا و حتی تحویل آن، نقشی اساسی داشته است . هدف از این همکاری، کاهش میزان فساد وموفقیت در توزیع واکسن کرونا در مقیاسی عظیم است.روش کار: ما از شبیه سازی های اپیدمی تصادفی، الگوریتم های ژنتیک (GA) و جهش تصادفی (RMHC)برای یافتن توزیع بهینه واکسن برای به حداقل رساندن تعداد بیماری ها یا مرگ و میر در جمعیت، با توجه بهمقادیر محدود واکسن استفاده می کنیم. با توجه به غیر خطی بودن، پیچیدگی و تصادفی بودن روند اپیدمی،نمی توان توزیع بهینه واکسن را به صورت ریاضی حل کرد. با این حال ، GA و RMHC را در راستای بهبودعملکرد لجستیک، پیش بینی و تشخیص، بهینه سازی ناوگان حمل و نقل و به حداقل رساندن هزینه عملیاتبه بکار گرفت.یافته ها: در حالی که GA و RMHC در یافتن توزیع بهینه واکسن به خوبی کار می کنند ، GA به طور قابلتوجهی کارآمدتر از RMHC است. ما نشان می دهیم که توزیع بهینه واکسن که توسط GA و RMHC یافتمی شود تا ۸۴ درصد موثرتر از واکسیناسیون تصادفی در وسط محدوده در دسترس بودن واکسن است. GAبرای بهینه سازی پارامترهای مدل تصادفی برای سایر بیماری های عفونی و ساختارهای جمعیت قابل تعمیم است.بحث: الگوریتم ژنتیکی از طریق تبادل ایمن دادهها از این تلاش گسترده برای توزیع واکسن کرونا و تحویلآن پشتیبانی می کند. ارائه دهندگان خدمات بهداشتی می توانند از طریق این الگوریتم ژنتیکی، اثربخشیواکسن های کرونا را ارزیابی کرده و آن را گزارش دهند.

کلیدواژه ها:

الگوریتم ژنتیکی ، واکسن کویید- ۱۹ ، مدل تصادفی بهینه سازی