Stochastic Dynamics of Optimal Pandemic Control
Рубрика: Математическое моделирование
Статья в выпуске: 3 т.19, 2026 года.
Бесплатный доступ
We develop an evolutionary SIR model with a stochastic information layer to analyze how uncertainty affects infection dynamics at the onset of a pandemic. The framework incorporates two forms of uncertainty: (i) uncertainty in health indicators, including unknown initial infection rates, and (ii) uncertainty in the information-updating process arising from interactions between individuals exposed to competing information types. We characterize the stability properties of the stochastic system and compare the resulting evolutionary dynamics with those of the corresponding deterministic model. We then formulate and solve the associated optimal control problem, deriving the optimal trajectory of the planner's information-control effort. Numerical simulations illustrate how parameter variations influence infection dynamics and the optimal level of the social planner's intervention aimed at improving information reliability in the population.
Короткий адрес: https://sciup.org/147254898
IDS: 147254898 | УДК: 517.977.52 | DOI: 10.14529/mmp260301
Стохастическая динамика и оптимальное управление в эпидемических моделях
Мы разрабатываем эволюционную SIR-модель со стохастическим информационным слоем для анализа влияния неопределенности на динамику распространения инфекции на начальном этапе пандемии. Данный подход учитывает два вида неопределенности: (i) неопределенность в отношении показателей здоровья, включая неизвестные начальные темпы инфицирования, и (ii) неопределенность в процессе обновления информации, возникающую в результате взаимодействия индивидов, подверженных влиянию конкурирующих типов информации. Мы характеризуем свойства устойчивости стохастической системы и сравниваем полученную эволюционную динамику с динамикой соответствующей детерминированной модели. Затем мы формулируем и решаем сопутствующую задачу оптимального управления, определяя оптимальную траекторию информационного воздействия со стороны регулирующего органа. Результаты численного моделирования демонстрируют, как изменение параметров влияет на динамику инфекции и на оптимальный уровень вмешательства регулятора, направленного на повышение достоверности информации среди населения.
