《利用强化学习为多领域大规模疏散行动提供决策支持》

本文研究了这样一种情景：大量处于不同程度医疗困境的人员被困在偏远地区（如北极），必须进行疏散。在此背景下，研究了一种多域行动，即通过直升机或船只两种方式之一进行人员疏散，每种方式都有各自的能力限制。这项研究的目的是确定一种决策策略，其目标是最大限度地增加幸存者人数。为了实现这一目标，我们需要寻求一种策略，在整个行动过程中有效协调直升机撤离和轮船撤离的选择。我们的贡献有两个方面。首先，我们将多领域大规模疏散行动表述为马尔可夫决策过程。其次，由于 "维度诅咒"（curse of dimensionality）使得精确方法不适用，我们采用了人工智能框架，即强化学习（RL），也称为运筹学中的近似动态规划（ADP），来学习近乎最优的策略。利用基于状态聚合的价值函数近似值，我们设计了一种 ADP 算法，以便在具有代表性的规划场景中学习策略。然后，我们在一系列测试场景中应用该策略，并将结果与非协调基准策略进行比较。虽然我们学习到的策略并没有优于所有基准，但我们的结果表明了人工智能可如何用于评估候选策略，并在多领域行动中提供决策支持。