유전 알고리즘을 적용한 바이러스의 진화와 확산 시뮬레이션 제작

Modeling Viral Evolution and Epidemic Simulation Using Genetic Algorithms

본 연구에서는 바이러스 확산 시뮬레이션에 유전 알고리즘을 도입하여 바이러스의 변이를 구현하고, 바이러스의 진화 방향과 인간 면역의 변화를 파악한다. 시뮬레이션에서 인간은 무작위로 움직이며, 감염자 수가 5%를 초과하면 거리두기를 시행한다. 바이러스는 인간 간 감염률과 체내 공격력 두 가지 형질로 정의되며, 각각 문자열과 실수 유전자로 나타난다. 감염자 체내에서 life system을 통해 바이러스 공격력과 인간의 회복력이 경쟁하여 질병의 진행을 계산한다. 바이러스의 진화 경향성을 파악하기 위해 유전자 유사도를 기준으로 바이러스를 하위 종족으로 구분한 다음 유전 알고리즘을 적용하였다. 종족별 형질 변화 분석을 통해 감염률 증가와 체내 공격력 감소가 바이러스 생존에 유리한 변이라는 결론을 도출하였고, 시뮬레이션 결과와 실제 스웨덴 코로나19 신규 감염자 수를 비교해 시뮬레이션의 정확성을 검증하였다. 본 시뮬레이션은 돌연변이와 면역의 구현에서 현존하는 확산 모델보다 더 현실적이고, 확장이 자유롭다. 이를 통해 방역 정책 효과를 분석하여 감염병에 의한 피해를 줄일 수 있을 것으로 기대된다.

In this study, Genetic Algorithm was introduced to simulate virus mutation and to understand the changes in viral traits and human immunity. In the simulation, humans move randomly and social distancing measures are implemented when the number of infected humans exceeds 5%. The virus is defined by two traits: the infection rate between humans and the virus attack, represented by strings and floating-point genes, respectively. The progression of the disease is calculated through the “life system” based on the competition between the virus attack and the human recovery rate. The viruses were classified into subspecies based on genetic similarity. Through analysis of the changes in traits per species, it was concluded that an increase in infection rate and a decrease in virus attack within the body were favorable variations for the survival of the virus. Simulation results were compared with the daily new confirmed COVID-19 cases in Sweden, demonstrating accuracy of the simulation. This simulation is more realistic and adaptable in terms of the implementation of mutations and immunity compared to existing spread models. It is expected that by analyzing the effectiveness of quarantine policies, the damage caused by infectious diseases could be reduced drastically.