本文主要介绍了生物数学中一个经典的舱室传染病模型亦即SIR模型,目标是确定当给定原始传染数据时利用GA算法实现参数的优化反演,从而得到参数传染系数、恢复系数及基本再生率与基本再生数,进而对传染病本身的流行趋势和防治措施给出相应的参考价值。文章首先介绍了传染病动力学模型的历史发展及研究意义,综述了动力学在传染病预防控制上的优势与必要性。文章第二部分给出了基本的概念定义和理论铺垫,以随机过程-马氏过程-生灭过程为概念递进,有序给出了各自的定义及其继承式发展,以带移入的生灭过程为出发点进入下一部分的讨论;后续讨论了BDI(λ,μ,v)过程的统计推断,以对BDI过程的模拟、参数向量的估计及其数值解求解为线展开。对BDI过程的模拟采用了经典的Gillespie’sAlgithm算法;参数向量的估计是建立在推导出的似然函数上,并且在求解过程中未得到λ,v的显式解;然后给出了三种意义下可行的参数估计方法,包括遗传算法的应用。文章第三部分主要以遗传算法实现传染病动力学模型SIR模型参数反演为主。首先给出了经典的传染病动力学模型SIR模型的概念及微分方程;接下来对固定参数下的SIR过程实现路径模拟,分别给出了ODE路径下的模拟和BDI路径下的模拟;本部分的重点是对于遗传算法的介绍及其在在参数反演中的应用,给出了遗传算法的概念,详细分析了遗传算法中涉及到的一个函数三个算子的实施细节,其中一个函数指的是算法中适应度函数的确定,三个算子指的是选择算子、交叉算子、变异算子,是算法运行中必须给出的三个关键运行主体,是种群进化的潜在操盘手。文末以某寄宿制学校爆发的大范围的流感为SIR模型主体,其基本符合该模型的假设,对该流感的传染系数、恢复系数、基本再生率给出了G 算法下的参数反演结果,与参考文献中采取其他方法得到的参数估值相近,肯定了GA算法在该模型行参数中估计中的适用性和稳定性。