根除埃博拉病毒（2015MCM美赛A）
题目
要求：
- 现实、合理、可用
- 要求考虑到：
a. 疾病传播 b.药物数量 c. 传送系统 d.传送位置 e. 药物或者疫苗的生产速度- 一个非技术性文件
论文
参考论文
概述
- 两个模型，stochastic和deterministic。
- 分析思路：基于现实的数据建立模型；用于以后预测。预测之中使用不同的处理方式，改变了对应的参数值，因此影响了总的死亡人数。
- 转移概率模型图（都是一天内的率，符号说明
I
I
I~infected,
P
P
P~healthy(Vulnerable),
H
H
H~healthy(Immune)）
- 简化方法：
-
- 只考虑三个国家，而不是西非国家全部考虑。
- 只考虑三个国家，而不是西非国家全部考虑。
-
- 忽略内部的年龄结构之类的。
- 忽略内部的年龄结构之类的。
模型
| 模型 | 方程 | 适用 | 结果 |
|---|---|---|---|
| 随机模型1 |  | 短期 ⊕ \oplus ⊕用于估计一些参数2 |  3 |
| 确定模型 |  | 长期 ⊕ \oplus ⊕找到稳定解4 |  |
预测（符合条件）
| 要求 | 模型 |
|---|---|
| 现实、合理、可用 | 基于数据from WHO |
| a. 疾病传播 | 整个模型 或 医疗服务影响患病率 α \alpha α |
| b.药物数量 | 恢复 β \beta β、死亡患者 γ \gamma γ |
| c. 传送系统 d.传送位置 | 未考虑或同上5 |
| e. 药物或者疫苗的生产速度 | 改变 ν \nu ν |
其他收获
- 超级直观的对比图
- 没有考虑成本的问题，基于Death Number进行优化。
- 一句很神奇的话。算是圆一下为什么这么参数这么奇怪。
没有解决的问题
ν \nu ν的确定方法。待… …
dt的选择方法是足够小，使得dt内只有一个状态的变化。结合方程分析。 ↩︎
参数确定。基于实际的数据进行确定（可以参考原文，Team#40764），比较难确定的是： γ \gamma γ、 β \beta β、 α \alpha α。
主要思路是能确定的直接用数据确定，不能确定的引入参数确定（这篇文章的大佬引入了其他的文章的参数，例如disease residence time T T T），真的找不到的就保留作为自己的解的一部分（就是这里的stochastic model的作用啊，大佬就是大佬，即使是作为自己的解的一部分，还是使用参考值进行了验证。这可能也说明了这些参数的灵感来源吧）。
关于引入 T T T，见下图：
另外 ν \nu ν的确定：
↩︎这里的结果的分析也很精彩：一个是因为参数是恒定的（实际上因为采取了一定的行动，所以应该是会变化的）。另一个是因为数据的准确性存疑。
↩︎稳定解的寻找方法是满足下面的方程就好了：
但是，作者得到对应的8个结果之后，又引入了新的约束（Jury Condition）：
在认为
的条件下，可以得到：
，也就是长期的结论：要准备疫苗。 ↩︎
↩︎