买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利基于马尔科夫决策过程的任意感染图下早期疫情检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116705344B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310726399.0，技术领域涉及：G16H50/80；该发明授权基于马尔科夫决策过程的任意感染图下早期疫情检测方法是由康维;陆沁怡;刘楠设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本基于马尔科夫决策过程的任意感染图下早期疫情检测方法在说明书摘要公布了：本发明公开了一种基于马尔科夫决策过程的任意感染图下早期疫情检测方法。方法实施过程包括根据检测约束条件定义马尔科夫决策过程的状态空间、动作空间、状态转移概率，根据感染图模型计算个体感染状态间的转移概率，以检测阴性的条件概率定义马尔科夫决策过程的奖励函数，通过策略迭代算法得到决策结果。这一方法基于马尔科夫决策过程，对于一组相互感染的概率由感染图给出的个体设计了满足检测约束条件的检测策略，并且检测到感染者出现的平均延迟最小。

本发明授权基于马尔科夫决策过程的任意感染图下早期疫情检测方法在权利要求书中公布了：1.一种基于马尔科夫决策过程的任意感染图下早期疫情检测方法，其特征在于，包括如下步骤： 步骤1、对于n个个体，根据每天测试容量m和所有个体要在τ天内至少检测1次的检测约束条件，基于马尔科夫决策过程的模型定义系统的状态空间 步骤2、定义系统的动作空间 为状态s的可行动作空间，即：其中为t时刻的系统动作，为t时刻系统选择检测的个体的集合，[n]＝{1,2,…n}为n个个体组成的集合，测试容量m为每个时刻允许检测的个体数量，si为向量s中的第i项，表示集合s1,s2,…,sτ-1的并； 步骤3、定义系统的状态转移概率其中ps'|s,a表示系统在当前状态s下，作出动作a，进入下一状态s'的概率，设置如下： si为向量s中的第i项； 步骤4、定义系统的奖励其中rs,a表示系统在状态下，作出动作时的奖励； 步骤5、设置折扣系数λ＝1-pn，p为在n个个体均未感染时，每个未感染个体在下一时刻被感染的概率，利用策略迭代算法求解建立的马尔可夫决策过程模型得到最优策略π*，策略π是从状态空间到动作空间的一个映射，a＝πs； 步骤4系统在状态下，作出动作时的奖励rs,a的设置过程如下： 首先，针对n个个体和感染图得到个体感染状态Ut的状态转移概率，即经过一个阶段的感染传播个体感染状态从u变为v的概率πuv： 其中p为在n个个体均未感染时，每个未感染个体在下一时刻被感染的概率，||·||1表示向量·的一范数，向量u∈{0,1}n和v∈{0,1}n表示n个个体的感染状态，ui表示向量u的第i个元素，vi表示向量v的第i个元素，ui＝1表示个体i被感染，否则ui＝0，感染图是根据这些个体之间的联系建立起来的具有顶点集和随机边集的无向随机图，每个顶点代表一个唯一的个体，每条边表示个体之间的联系，节点i和节点j之间的每条边都以概率cij独立存在，即感染图的边的权重cij表示当个体i被感染时，下一时刻个体j被个体i传染的概率； 接着计算系统在状态下，作出动作时的奖励rs,a： 其中，对于i∈[2,τ-1]，的计算分为如下子步骤： 步骤4.1、令迭代次数k＝0，对于所有u∈{0,1}n计算函数g0u,s,a,i： 其中是满足检测结果为阴性的个体状态的集合，即sτ-i+1是当前前i-1个时刻检测的个体的集合，是向量s的第τ-i+1项； 步骤4.2、令k＝k+1；若k＜i继续顺序执行，否则跳转至步骤4.6； 步骤4.3、根据当前前i-k-1时刻检测的个体集sτ-i+1+k或a，得到满足检测结果为阴性的个体状态的集合 步骤4.4、对于所有u∈{0,1}n依次计算函数hku,s,a,i，fks,a,i，gku,s,a,i： 步骤4.5、回到步骤4.2； 步骤4.6、计算函数

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。