《Mathematics》：Multi-Objective Identification and Optimal Control for Generalized SIR Epidemic Models with Time-Dependent Parameters
编辑推荐：
本文研究了一类广义非线性SIR传染病模型的同步参数辨识与最优疫苗接种控制的多目标优化框架。与传统单目标方法不同，研究人员构建了一个向量优化问题，以同时最小化对观测轨迹的偏差、疾病流行率以及公共卫生运营成本，从而实现对Pareto最优策略的辨识。研究人员通过采用
本文研究了一类广义非线性SIR传染病模型的同步参数辨识与最优疫苗接种控制的多目标优化框架。与传统单目标方法不同，研究人员构建了一个向量优化问题，以同时最小化对观测轨迹的偏差、疾病流行率以及公共卫生运营成本，从而实现对Pareto最优策略的辨识。研究人员通过采用Bielecki加权范数下的压缩映射论证，在经典Sobolev空间框架内建立了状态解的全局存在性、唯一性与物理不变性。借助变分法中的直接法与紧Sobolev嵌入，严格证明了弱Pareto最优解的存在性。随后，研究人员利用几何Dubovitskii–Milyutin泛函形式推导了一阶必要条件，得到了适定的后向线性伴随系统以及耦合变分不等式的精确刻画。最后，研究人员实现了一种稳健的数值架构，该架构由基于伴随的增广Lagrange方法（ALM）驱动，并结合分段线性连续子空间上的拟Newton求解器，用于Pareto最优前沿的逼近与仿真，并通过三个不同的数值算例成功进行了验证。
**研究背景与问题**
确定性微分方程传染病建模已成为理解、预测与遏制传播动力学的重要框架。自Kermack与McKendrick提出仓室结构以来，将干预策略纳入此类系统的研究不断深化。21世纪初，Behncke为确定性流行病最优控制奠定了严格的数学基础，展示了疫苗接种或治疗等动态公共卫生措施如何有效降低疾病流行率与实施成本。此后，相关控制框架被扩展到空间扩散与非线性感染力等更复杂的生物学行为。近年来，Coronel等通过同时处理反应–扩散系统中的最优控制问题与参数辨识拓展了该分析。然而，现有文献中传染病模型的参数辨识与最优控制同步研究主要采用单目标优化框架；已有的多目标研究多侧重实验数据拟合与实际应用，缺乏基于Sobolev空间的严格自洽泛函框架，且其底层状态动力学往往采用更受限的仓室结构或特定的感染力与疫苗接种响应形式。此外，已有数值方法常依赖"黑箱"优化程序而未明确刻画连续到离散空间的投影。基于此，本文在Behncke模型基础上，采用多目标优化方法同时调控疫苗接种运动的实施与最小化总感染人数，以严格辨识在公共卫生干预与运营成本之间取得平衡的Pareto最优策略。
**研究内容与结论**
研究人员考虑了一个广义非线性SIR模型，其中感染力为满足特定假设的非线性函数，引入参数以刻画一部分新暴露个体因先天免疫或即时亚临床清除而直接进入恢复类的传播路径分流，并加入由控制变量驱动的状态依赖移除率以模拟反应性预防、隔离方案或应急疫苗接种等外部缓解机制；模型中传播率与恢复率均为时间依赖函数。研究目标有三：从易感、感染与恢复人群的实验观测中辨识传播率与恢复率；确定使总疫苗接种努力最小的最优控制变量；最小化总感染人数。由于各目标之间存在竞争性（降低疾病流行率通常需要加大疫苗接种努力），不存在同时最小化所有准则的单一全局最优解，故通过Pareto最优性概念进行分析。研究证明：状态系统在Sobolev空间中具有全局存在、唯一且有界解；多目标问题至少存在一个弱Pareto最优解；定义了适定的后向线性伴随系统；通过Dubovitskii–Milyutin形式推导了完整的一阶必要条件并刻画了变分不等式；最后发展了多目标优化问题的数值逼近并给出数值算例。上述工作为公共卫生决策者评估流行病控制与经济约束之间的权衡提供了严格的数学基础。
**关键技术方法**
研究人员采用的主要技术方法包括：以压缩映射论证结合Bielecki加权范数建立状态解在Sobolev空间中的适定性；通过变分法直接法与紧Sobolev嵌入（Rellich–Kondrachov定理）证明弱Pareto最优解存在性；利用几何Dubovitskii–Milyutin泛函形式与Lyusternik定理推导一阶必要条件；采用"先离散后优化"范式，将无限维连续空间投影到分段线性连续函数子空间；以基于伴随的增广Lagrange方法（ALM）结合L-BFGS-B拟Newton算法迭代求解，梯度由后向线性伴随系统精确计算。数值算例使用了1978年英国寄宿学校流感暴发数据以及受Chowell等报道的2009年墨西哥San Luis Potosí甲型H1N1流感参数启发的合成基准数据。
**研究结果**
*状态方程的适定性*：通过Banach不动点定理在Bielecki加权范数下证明了连续解的存在唯一性，并后验地证明了溶液轨迹在生物学相关区域内的不变性与质量守恒律，进而推出弱导数属于L2，得到H1正则性。
*Pareto最优解的存在性*：通过广义Karush–Kuhn–Tucker标量化方法结合变分法直接法，在自反Banach空间中利用Banach–Alaoglu定理获得弱紧性，借助紧Sobolev嵌入得到状态的强收敛，并由弱下半连续性证明标量化目标的最优解构成弱Pareto最优解。注记指出非负权重保证弱Pareto效率，严格正权重对应严格Pareto最优；加权和方法只能刻画Pareto集的凸支撑部分。
*Dubovitskii–Milyutin形式*：建立了各成本泛函的Fréchet可微性及其下降锥与对偶锥的刻画，证明了约束算子的Fréchet可微性与严格可微性及导算子的满射性，并由Lyusternik定理得到切锥恰为导算子的核、其对偶锥为正交零化子。
*一阶最优性条件*：证明了伴随系统在H1中存在唯一解，并得到弱Pareto最优解满足的紧凑变分不等式。
*数值逼近与算例*：比较了分段常数、松弛三次样条与分段线性连续三种有限维逼近方案，选定分段线性连续函数作为兼顾理论保真与计算稳定性的方案。算例1基于1978年寄宿学校流感数据，状态轨迹展现出优异跟踪性能，传播率在加速阶段降至下界，恢复率在物理下界之上动态调整，最优控制策略在第6至9天出现尖峰，与感染流行率最大期精确吻合。算例2基于2009年H1N1合成数据，激活Behncke型非线性饱和感染力，算法成功从量化整数数据中滤除确定性流行结构，避免高频过拟合；注记指出恢复率在特定时段陡增以捕捉感染类的爆发增长阶段，且完全符合H1框架。算例3通过三组标量化权重进行Pareto敏感性分析，分别对应重跟踪、重公共卫生与重控制能量三种情景，验证了算法能够隔离透明的决策区域。
**讨论与结论**
讨论部分指出，分段线性连续架构结合一阶Tikhonov正则化在几何灵活性与数值稳定性之间取得平衡，避免了传统高阶样条的非物理多项式下冲，且无需非可微的细网格裁剪算子。结论部分译文如下：本文成功开发并验证了一个数学严谨的多目标优化框架，用于Behncke型传播力驱动的广义非线性SIR传染病模型的同步参数辨识与最优疫苗接种控制。通过超越将关键公共卫生冲突掩盖于任意标量权重选择之后的传统单目标方法，该向量优化范式隔离了支配有效Pareto前沿的连续拓扑交互。在理论层面，研究人员通过Bielecki加权范数下的压缩映射论证建立了状态轨迹在Sobolev空间中的全局存在性、唯一性与物理不变性；通过紧Sobolev嵌入与变分法直接法追踪极小化序列证明了弱Pareto最优策略的存在性；利用几何Dubovitskii–Milyutin泛函形式推导了一阶必要条件，给出了适定的后向线性伴随系统与耦合变分不等式的精确向量刻画。在数值层面，基于"先离散后优化"范式的稳健离散化程序成功将无限维连续空间投影到分段线性连续函数框架下的有限维决策变量；经基于伴随的增广Lagrange方法结合L-BFGS-B拟Newton算法迭代求解的计算架构完全绕过了数值有限差分扰动，在三个包含不同饱和感染力动力学的数值算例中表现出高度稳定性、可扩展性与准确性。重建的Pareto前沿清晰定量地映射了最优权衡，为公共卫生决策者评估流行病抑制与运营支出之间的复杂平衡提供了稳健且可验证的工具。未来研究方向将聚焦于将该多目标连续范式扩展到由偏微分方程支配的空间系统，将空间扩散与流动模式纳入仓室耦合，并可借鉴近期关于津巴布韦霍乱动力学时空框架等先进架构的结构性见解。
