通过多智能体演员-评论家强化学习缓解灾害中的社区恐惧
机器学习
2026-04-13 v1 系统与控制
系统与控制
摘要
在灾害期间，电网、通信网络和社会行为之间的级联失效会放大社区恐惧，并削弱合作意识。现有的网络-心理-社会（CPS）模型模拟这些耦合动态，但缺乏主动干预机制。我们将Valinejad和Mili（2023）的CPS韧性模型扩展引入三个机构（通信、电力和应急管理）的控制通道，并将其形式化为通过在线演员-评论家强化学习求解的三玩家非零和微分博弈。基于飓风哈维逊数据的仿真显示，平均恐惧降低70%，同时改善基础设施恢复；在飓风伊尔马的交叉验证中（无需重新拟合），实现50%的恐惧降低，证明了其普适性。
引用
@article{arxiv.2604.08802,
title = {Alleviating Community Fear in Disasters via Multi-Agent Actor-Critic Reinforcement Learning},
author = {Yashodhan D. Hakke and Almuatazbellah M. Boker and Lamine Mili and Michael von Spakovsky and Hoda Eldardiry},
journal= {arXiv preprint arXiv:2604.08802},
year = {2026}
}
备注
10 pages, 6 figures