基于Star Logo的SARS疾病传播模拟
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于Star Logo的SARS疾病传播模拟范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：本文分析了Agent应用在地理环境中的研究现状，并阐述了Agent在虚拟地理环境中应用的可行性和必要性。进而分析了Multi-agent的智能主体模式，并在此基础上设计了基于Multi-agent的SARS传播模型。
关键词：智能体；Multi-agent；虚拟地理环境；非典型性肺炎
中图分类号：TP23 文献标识码：A文章编号：1007-9599 (2011) 10-0000-01
SARS Disease Transmission Simulation Based on star logo
Zhao Qingqiang
(Zhongnan University of Economics and Law Wuhan College,Wuhan University,Wuhan430079,China)
Abstract:The analysis of the geographic environment in agent applications research the status,and expounded Agent Virtual Geographic Environment in the feasibility and necessity of the application.on that basis,based on the design of the sars Multi-agent dissemination models
Keywords:Agent;Multi-agent;VGE;SARS pneumonia
一、系统的传播模型结构设计
SARS的传播是由于患者在被收治隔离之前与其他人的传染性接触而发生的。北京市在2003年4月20日以后采取多种阻断措施，这些措施可分为隔离措施和防疫措施两类。此间的情况可以用下述模型表示：M=P*（A+B）
其中，P为与感染者有传染性接触的人被感染的概率，A为在一个传染期内与感染者有传染性接触的可控制人数，B为在一个潜伏期内与感染者有传染性接触的不可控制人数。M表示在一个周期内的感染人数。
二、基于STARLOGO的实现
Star Logo是麻省理工大学开发的一个可编程的建模环境，用于研究分散系统的运行机制。所谓分散系统是指：没有组织者和协调者，而系统整体却呈现出具有组织的协调的形态的系统。
（一）Agents（Turtles）。Star Logo中使用breed的概念来表示Agent的种类。此模型共有四类主体，即heathly（健康者）、infected（潜伏期病人）、contagious（传染期病人）和sick（住院病人）。
（二）行为。行为是主体的属性。如表1，所有breed都具有三个属性：energy（能量）、quarantined（是否隔离）和flowed（行走状况），其意义见下表。
breed energy quarantined flowed
Heathly 无 大于0时表示被隔离，每天减1，减为0时离开隔离区 等于1时，表示属于不可控制者，其他情况下等于0
infected 当天设置为潜伏期天数（D）每天减1，减为0时转为contagious 大于0时表示被隔离，每天减1，减为0时离开隔离区 等于1时，表示属于不可控制者，其他情况下等于0
contagious 当天设置为发现天数（W），每天减1，减0时转为sick被收治 无 等于1时，表示属于不可控制者，其他情况下等于0
sick 收治当天为0，每天增1，增为30后转为Healthy，痊愈出院 无 无
表1
三、单次模拟实验
此次模拟假设总人数为1000，初始病源为3（即Initial Number＝1000，Source Number＝3），观察SARS传播模型的运行结果。下面以其中一次的运行结果来做说明。
例如在模型某一次运行到第1000小时，我们观察到模型中的几个参数：累计病例89，（昨日）新增病例23，受这两个数字的影响，流动性已降为3.000，易感染度降为0.515，感染健康者已经是概率极小的事件。模型运行结束时，所有的turtle都是heathy，没有隔离区。
图1
模拟的结果基本上反映出了类似SARS这样的未知传染病的发展过程，即起初对其认识不足，政府和公众未能采取有效的防控手段，导致疫情得到发展，并且由于潜伏期的存在，在采取防控措施之后并没有立即控制住疫情，相反疫情在这之后的某一时刻达到最严重。疫情的恶化（新增感染者病例黄线和感染者病例红线的上升）将导致易感染度和社会流动性下降，两者都有利于疫情的控制和社会流动性主要受新增病例的影响，次要受累计病例影响，但在疫情后期新增病例趋于0，此时次要影响才是阻止疫情反弹的原因。
图2
上图是其他学科的人使用动力学模型进行模拟的结果。根据上图我们可以与plot输出的图像进行对比，发现基本上是一致的。两种不同的方法有着同样的一个结果，与现实情况相比较我们也可以得知模拟SARS的传播模型是成功的。它在一段时间内的模拟结果，基本上等于现实中结果。
参考文献：
[1]"SARS信息可视化"网站.2003
.
"SARS Information Visualization"Website.2003
.
[2]北京师范大学统计数据分析中心.2003
Analysis Center of Statistical Data in Beijing Normal University.2003
[3]贾仁安,丁荣华.系统动力学――反馈动态性复杂分析[M].北京:高等教育出版社,2002