新型冠状病毒（COVID-19）感染的肺炎疫情牵动着全世界的心。大数据、人工智能、云计算等数字技术，在疫情监测分析、病毒溯源、防控救治、资源调配等方面发挥着重要作用。面对“新冠肺炎”，一方面，世界各国采取的“社交距离”“居家隔离”“健康码”等一系列人员隔离策略被认为可以有效遏制疫情蔓延；另一方面，隔离策略也在一定程度上影响了人们日常生活和各国经济运转。如何设计隔离策略，既能保证人们的正常生活，又能遏制疫情的蔓延，是全球研究者关注的热点问题。 

　　PAPW 2020研讨会基于上述背景举办了流行病流动干预竞赛，要求设计出针对流行病的流动干预策略。此次比赛由宾夕法尼亚州立大学、清华大学、南加州大学、卡塔尔计算研究所、上海交通大学、雅典国立卡波迪斯安大学以及弗吉尼亚理工大学共同主办，旨在寻找有效的人员流动干预政策，以在流行病暴发期间最大程度地减少病毒的传播。具体地，本次竞赛目标是通过计算机模拟环境下，最大程度减少感染人数、减少人类流动性干预。比赛中使用的模拟器对一个1万人规模城市进行了60天的仿真，采用易感性感染恢复（SIR）模型进行疾病传播建模，并根据干预策略进行个体级别的模拟。比赛针对5种不同的场景进行了仿真，根据5种场景下的排名决定最终总排名。 

　　比赛共有来自世界各地逾20支队伍参加比赛。最终，深圳先进院、京东联合组成参赛队伍取得正赛总分第一名，采用强化学习算法对问题进行建模来优化流动干预策略；深圳先进院派出的另一支参赛队伍采用遗传算法对问题建模。两支参赛队伍最终提出的干预策略，都分别将各场景的累计感染人数控制在100人以下，远低于其它参赛队伍提出的解决方案。两团队的提交成绩在所有分场景下均取得前两名，因此以较高优势获得比赛的冠亚军。 

　　此次获奖团队中的深圳先进院成员，来自深圳先进院数字所高性能计算研究中心的算法优化课题组。课题组由张涌研究员领导，目前成员包括副研究员1人，博士员工2人，工程师1人，博士硕士学生8人。近年来，课题组专注于研究近似算法和在线算法的设计与分析，以及分布式计算和多智能体系统方面的算法和应用。