[論文レビュー] Decentralised adaptive-gain control for eliminating epidemic spreading on networks

Liam Walsh, Mengbin Ye+2 more|arXiv (Cornell University)|May 26, 2023

Complex Network Analysis Techniques被引用数 4

ひとこと要約

本稿では、ネットワークSISモデルにおける疫病拡散を排除するための分散型自己調整利得制御則を提案する。各ノードは、微分方程式に従って独立に制御利得を調整し、感染率を低下または回復率を増加させる。この手法は、ネットワークのトポロジーに必要な十分条件が満たされていれば、有限で正の利得を用いても、全ノードが制御されているわけではない状況でも、グローバルな疾病消滅を保証する。

ABSTRACT

This paper considers the classical Susceptible--Infected--Susceptible (SIS) network epidemic model, which describes a disease spreading through $n$ nodes, with the network links governing the possible transmission pathways of the disease between nodes. We consider feedback control to eliminate the disease in scenarios where the disease would otherwise persist in an uncontrolled network. We propose a family of decentralised adaptive-gain control algorithms, in which each node has a control gain that adaptively evolves according to a differential equation, independent of the gains of other nodes. The adaptive gain is applied multiplicatively to either decrease the infection rate or increase the recovery rate. To begin, we assume all nodes are controlled, and prove that both infection rate control and recovery rate control algorithms eliminate the disease with the limiting gains being positive and finite. Then, we consider the possibility of controlling a subset of the nodes, for both the infection rate control and recovery rate control. We first identify a necessary and sufficient condition for the existence of a subset of nodes, which if controlled would result in the elimination of the disease. For a given network, there may exist several such viable subsets, and we propose an iterative algorithm to identify such a subset. Simulations are provided to demonstrate the effectiveness of the various proposed controllers.

研究の動機と目的

• 疫病ネットワークにおける静的で中央集権的な制御の限界を克服するため、動的で分散型のフィードバック制御を提案すること。
• 基本再生産数R₀ > 1であるSISネットワークモデルにおいて、各ノードの局所的情報のみを用いて、病気の消滅を実現すること。
• 全ネットワークの制御が不可能な状況下でも、病気を根絶できる最小制御ノード集合を特定すること。
• 各ノードごとに連続的かつ独立に進化する自己調整利得機構を設計し、耐障害性とスケーラビリティを確保すること。
• ネットワーク構造とサイクル利得に基づいて、実行可能な制御ノード集合を体系的に同定するためのアルゴリズムを提供すること。

提案手法

• 各ノードは、他のノードの利得とは独立に進化する微分方程式に従う分散型自己調整利得を採用する。
• 制御利得は、各ノードにおける感染率（感染率制御）または回復率（回復率制御）を乗算的に変更する。
• 全ネットワーク制御の場合、自己調整利得のダイナミクスにより、正で有限な極限値に収束し、システムが病気非存在平衡点に到達する。
• 部分的制御の場合、2段階のアルゴリズムにより最小のノード集合を特定する：まず、dᵢ < bᵢᵢ を満たすノードは制御が必要である。次に、サイクル利得が1以上である強連結成分を分析し、重要なノードを同定する。
• 非制御部分系の安定性を評価するために、行列 −D₁ + B₁₁ のスペクトル絶対値が用いられ、ノード選択後にHurwitz性が保証される。
• 本手法は、単純なサイクルのグラフ理論的解析とサイクル利得の和を活用し、制御集合に含める必要があるノードを同定する。

実験結果

リサーチクエスチョン

• RQ1 グローバルなネットワーク知識を必要とせずに、分散型自己調整利得制御がネットワークSISモデルにおける病気を排除できるか？
• RQ2 病気を根絶できる最小のノード集合は何か？ そして、そのような集合を体系的に同定する方法は？
• RQ3 ネットワークトポロジーとサイクル構造は、分散型自己調整制御の収束性と有効性にどのように影響するか？
• RQ4 分散制御下で、自己調整利得が正でありかつ有限のままで保たれるための条件は何か？
• RQ5 制御ノードの選択が、病気消滅の収束速度にどのように影響するか？

主な発見

• 全ネットワーク制御では、感染率制御および回復率制御の両アルゴリズムが、自己調整利得が厳密に正かつ有限に収束するようにシステムを病気非存在平衡点に導く。
• 部分的制御では、提案された2段階アルゴリズムが、ノード次数とサイクル利得解析に基づき、病気の根絶を保証する最小のノード集合を的確に同定した。
• シミュレーションでは、ノードaとd、またはaとfを制御した場合、高速な収束とともに完全な病気の消滅が達成されたが、ノードaのみを制御した場合、病気は全ネットワークにわたり持続した。
• 収束速度は制御ノードの選択に大きく依存し、最大で1桁の差が観察された。これは、ネットワーク構造が制御性能に与える影響を強く示している。
• ノードaのみを制御した場合、利得gₐ(t)は0に収束し、ノードc, d, e, fでは病気がエンドミックに保たれた。これは、追加の制御ノードの必要性を確認するものである。
• 適切なノード選択後に、行列 −D₁ + B₁₁ のスペクトル絶対値が0未満に低下した。これは、非制御部分系の安定性が保証され、病気の根絶が可能であることを確認する。