Kermack W.O., McKendrick A.G. Contribution to the mathematical theory of epidemics. In: Proceedings of the Royal Society of London. Series A, August 1927. Containing Papers of a Mathematical and Physical Character. Vol. 115, issue 772, pp. 700–721. DOI: 10.1098/rspa.1927.0118
Noll N.B., Aksamentov I., Druelle V., Badenhorst A., Ronzani B., Jefferies G., Albert J., Neher R. COVID-19 Scenarios: An interactive tool to explore the spread and associated morbidity and mortality of SARS-CoV-2. COVID-19 SARS-CoV-2 preprints from medRxiv and bioRxiv, 2020. DOI: 10.1101/2020.05.05.20091363. Available at: https://www.medrxiv.org/content/10.1101/2020.05.05.20091363v2
Hunter E., Namee B.M., Kelleher J.A Taxonomy for Agent-Based Models in Human Infectious Disease Epidemiology. JASSS, 2017, 20(3), 2. DOI: 10.18564/jasss.3414. Available at: http://jasss.soc.surrey.ac.uk/20/3/2.html.
Perez L., Dragicevic S. An agent-based approach for modeling dynamics of contagious disease spread. International Journal of Health Geographics, 2009, no. 8 (50). DOI: 10.1186/1476-072X-8-50
Frias-Martinez E., Williamson G., Frias-Martinez V. An agent-based model of epidemic spread using human mobility and social network information. In: Proceedings of the 3rd International Conference on Social Computing (SocialCom’11), Boston, MA, USA, 9–11 October 2011. Pp. 49–56. DOI: 10.1109/PASSAT/SocialCom.2011.142
Aleman D.M., Wibisono T.G. A nonhomogeneous agent-based simulation approach to modeling the spread of disease in a pandemic outbreak. Interfaces, 2011, 41 (3), pp. 301–315. DOI: 10.1287/inte.1100.0550
Epstein J.M. Modelling to contain pandemics. Nature, 2009, vol. 460, p. 687. Available at: http://www.nature.com/nature/journal/v460/n7256/full/460687a.html
Аль-Азази А.А., Масленников Б.И. Сравнительный анализ методов имитационного моделирования // Науковедение. 2014. Вып. 1. URL: https://naukovedenie.ru/PDF/30TVN114.pdf (дата обращения 30.05.2020).
Ajelli M., Gonçalves B., Balcan D., Colizza V., Hu H., Ramasco J.J., Merler S., Vespignani A. Comparing large-scale computational approaches to epidemic modeling: Agent-based versus structured metapopulation models. BMC Infectious Diseases, 2010, no. 10, p. 190. Available at: https://bmcinfectdis.biomedcentral.com/track/pdf/10.1186/1471-2334-10-190
Lin Q., Zhao S., Gao D., Lou Y., Yang S., Musa S.S., Wang M.H., Cai Y., Wang W., Yang L., He D. A conceptual model for the coronavirus disease 2019 (COVID-19) outbreak in Wuhan, China with individual reaction and governmental action. International Journal of Infectious Diseases, 2020, 93, pp. 211–216. DOI: 10.1016/j.ijid.2020.02.058
Fokas A.S., Dikaios N., Kastis G.A. COVID-19: Predictive mathematical models for the number of deaths in South Korea, Italy, Spain, France, UK, Germany, and USA. COVID-19 SARS-CoV-2 preprints from medRxiv and bioRxiv, 2020. DOI: 10.1101/2020.05.08.20095489. Available at: https://www.medrxiv.org/content/10.1101/2020.05.08.20095489v1
Milani F. COVID-19 outbreak, social response, and early economic effects: A global VAR analysis of cross-country interdependencies. COVID-19 SARS-CoV-2 preprints from medRxiv and bioRxiv, 2020. DOI: 10.1101/2020.05.07.20094748. Available at: https://www.medrxiv.org/content/10.1101/2020.05.07.20094748v1
Fokas A.S., Cuevas-Maraver J., Kevrekidis P.G. Two alternative scenarios for easing COVID-19 lockdown measures: One reasonable and one catastrophic. COVID-19 SARS-CoV-2 preprints from medRxiv and bioRxiv, 2020. DOI: 10.1101/2020.05.08.20095380. Available at: https://www.medrxiv.org/content/10.1101/2020.05.08.20095380v2
Bhanot G., DeLisi C. Predictions for Europe for the Covid-19 pandemic from a SIR model. COVID-19 SARS-CoV-2 preprints from medRxiv and bioRxiv, 2020. DOI: 10.1101/2020.05.26.20114058. Available at: https://www.medrxiv.org/content/10.1101/2020.05.26.20114058v2
Milne G.J., Xie S., Poklepovich D. A Modelling Analysis of strategies for relaxing COVID-19 social distancing. COVID-19 SARS-CoV-2 preprints from medRxiv and bioRxiv, 2020. DOI: 10.1101/2020.05.19.20107425. Available at: https://www.medrxiv.org/content/10.1101/2020.05.19.20107425v1
Башабшех М.М., Масленников Б.И. Имитационное моделирование пространственного распространения эпидемий (на примере холеры) с применением метода клеточных автоматов с помощью программы Anylogic // Науковедение. 2013. Вып. 6. URL: https://naukovedenie.ru/PDF/135TVN613.pdf (дата обращения 30.05.2020).
Megiddo I., Colson A.R., Nandi A., Chatterjee S., Prinja S., Khera A., Laxminarayan R. Analysis of the Universal Immunization Programme and introduction of a rotavirus vaccine in India with IndiaSim. Vaccine, 2014, vol. 32, suppl. 1, pp. A151–A161. DOI: 10.1016/j.vaccine.2014.04.080
Khalil K.M., Abdel-Aziz M., Nazmy T.T., Abdel-Badeeh Salem M. An agent-based modeling for pandemic influenza in Egypt. In: INFOS 2010: 7th International Conference on Informatics and Systems, Cairo, Egypt, 28-30 March 2010. Pp. 1–7. Available at: https://arxiv.org/ftp/arxiv/papers/1001/1001.5275.pdf
. Агент-ориентированная суперкомпьютерная демографическая модель России: анализ апробации / В.Л. Макаров, А.Р. Бахтизин, Е.Д. Сушко, Г.Б. Сушко // Экономические и социальные перемены: факты, тенденции, прогноз. 2019. Т. 12. № 6. С. 74–90. DOI: 10.15838/esc.2019.6.66.4
Система проектирования масштабируемых агент-ориентированных моделей, включающих популяции агентов разных типов с динамически изменяющейся численностью и сложными многоэтапными взаимодействиями агентов, образующих социальные сети. Свидетельство о регистрации программы для ЭВМ RU 2020612410, 20.02.2020. Заявка № 2020611366 от 06.02.2020 / В.Л. Макаров, А.Р. Бахтизин, Е.Д. Сушко, Г.Б. Сушко.