算法0 – Schmidt on Sense, Law & Complexity

一个公式

3月16日，COVID-19大流行在欧洲爆发。看着那天的世界温度计，还记得它的开始，并从互联网上选择了可靠的繁殖数量，他想出了一种非常简单的设计，该机制可以幼稚地计算感染人数 $I$ 在 $t$ 时刻：

$I_{t} = L_{t} + N_{t} * C$

以下是使用简单语言运行公式的重要元素：

公式的元素

I_{t}

L_{t}

Lb1_{t}

N_{t}

C

g

n

seed-date

在

t

期结束时感染的数量
＃在上一个周期中，

L_ {t}

等于

I_ {t-1}

＃最后1个

Lb1_ {t} = I_ {t-2}

＃最近一次感染的新病毒是

L_ {t} -Lb1_ {t}

repronumber（感染者污染的平均数）
周期/世代的平均长度（以天为单位）（设置为5天）
考虑的周期数（设置为17）
首次污染的日期，设置为2019年12月29日

伪代码中的算法

Setup initial values (parameters)
   set I 1 set L 0 set N 0
   set C 2 set g 5 
Setup help variables
  set t 0 set seed-date 0 set day 0
  set n 17 set ticks 0 
a: Process the current generation
   if ticks > n [stop] 
   print [day ticks I]
   set Lb1 L 
   set L I 
   set I  I + (L - Lb1)*C
   set day day + g
   set ticks ticks + 1
   back to a:

动机

当面对现实世界的观察时，算法和公式都必须是错误的。例如，它不会将重要现象严重化。多少人易感？有多少抵抗力（或死亡）？这两个（在最成功的流行病模型SIR模型的三个模型中）根本就不存在。此外，重复数的变化（例如，由比率，恐慌或调节作用引起）以及污染时间和死亡率不是模型的一部分。在算法0中只能发现感染的数量。那么，为什么还要打扰呢？在这里发挥领导作用的苏姆先生的主要原因是ICg模型（在世界上流行的时候，我们还不很了解流行病的发生时间，但传染病（I）是重数（C）和世代（g）的函数，可能就足够了。关于病毒的融合性和传播速度的印象—必须考虑采取监管措施。查看此处进行进一步讨论。