Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular

• Ano de defesa: 2018
• Autor(a) principal: Gandini, Deivison Marques
• Orientador(a): Monteiro, Luiz Henrique Alves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Palavras-chave em Português: algoritmo genético; autômato celular; epidemiologia; modelo SIR; varicela
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://dspace.mackenzie.br/handle/10899/24474

Estudos epidemiológicos buscam entender e prever a propagação de doen_cas contagiosas. Em muitos desses estudos, empregam-se modelos do tipo SIR. Nesses modelos, cada indivíduo da população hospedeira está, a cada passo de tempo, em um de três estados: suscetível (S), infectado (I) ou recuperado (R). Nesta dissertação, um modelo SIR é implementado usando um autômato celular probabilista (ACP). Os parâmetros do ACP são identificados usando um algoritmo genético e dois conjuntos de dados: dados fictícios e dados realistas de casos de varicela na Alemanha antes da era da vacinação. Este trabalho mostra que conjuntos distintos de parâmetros do ACP podem levar a soluções em regime permanente similares. As limitações do procedimento de identificação são discutidas, principalmente no caso de dados realistas, em que a quantidade de infectados é muito pequena.