强化学习在疟疾控制中的应用分析
机器学习
2021-07-20 v1 人工智能
摘要
先前关于疟疾控制策略学习的工作通常将该问题表述为一个优化问题，假设目标函数和搜索空间具有特定结构。该问题曾被孤立地表述为多臂老虎机、上下文老虎机和马尔可夫决策过程。此外，已有研究侧重于针对疟疾控制的某个实例开发新算法，而忽视了文献中大量更简单且通用的算法。在本工作中，我们形式化地研究疟疾控制的表述，并对文献中使用的若干表述进行全面分析。此外，我们在所有表述下实现并分析了多种强化学习算法，并将其与黑盒优化进行比较。与先前工作相反，我们的结果表明，基于上置信界（Upper Confidence Bounds）的简单算法足以学习良好的疟疾策略，并且在疟疾 OpenAI Gym 环境中往往优于其更先进的对应算法。
引用
@article{arxiv.2107.08988,
title = {An Analysis of Reinforcement Learning for Malaria Control},
author = {Ndivhuwo Makondo and Arinze Lawrence Folarin and Simphiwe Nhlahla Zitha and Sekou Lionel Remy},
journal= {arXiv preprint arXiv:2107.08988},
year = {2021}
}
备注
27 pages including appendix and references. Submitted to the Journal of Artificial Intelligence Research (JAIR)