电力网络恢复的自动化决策

电力网络、供水网络和交通系统等关键基础设施在任何社会的福祉中都起着重要作用。在灾害过后，其恢复至关重要；有序高效的恢复涉及将有限资源（人类维修工人与机器的组合）分配给受损基础设施组件的修复。决策者还必须应对恢复过程中资源分配行动结果的不确定性。尽管决策者具备专业知识，但由于大量选择及序贯决策后果的不确定性，人工资源分配很少是最优的。这种不确定性下的组合分配问题已知为 \mbox{NP-hard}。我们提出了一种新颖的决策技术，可应对大规模现实问题的海量决策选择；此外，我们的方法还具有经验学习组件，基于少量选择的表现自适应地确定计算资源的利用。我们的框架是闭环的，自然融合了此类决策系统的所有吸引人特性。与不考虑当前选择未来影响的短视方法不同，我们的方法具有预期学习组件，将 \emph{前瞻} 有效纳入解中。为此，我们利用回归分析、马尔可夫决策过程（MDPs）、多臂老虎机以及自然灾害社区损伤的随机模型理论，开发了一种近最优社区恢复方法。我们的方法对具有海量动作空间的 MDP 一般问题作出贡献，并可应用于受灾害影响社区的恢复。