基于联邦强化学习的疫情决策系统
机器学习
2023-11-06 v1 信息检索
摘要
疫情决策能够有效帮助政府综合考虑公共安全与经济发展，以应对公共卫生与安全突发事件。一些研究表明，强化学习可有效协助政府进行疫情决策，从而在健康安全与经济发展之间取得平衡。然而，疫情数据往往具有样本有限且隐私性高的特点。该模型可结合各省疫情数据进行协同训练，用作疫情决策的强化学习模型，同时保护数据隐私。实验表明，联邦强化学习相比强化学习可获得更优的性能与回报，并能加快训练模型的收敛速度。同时，通过实验对比，A2C 是最适合疫情决策场景的强化学习模型，其次是 PPO 模型，而 DDPG 的性能不尽如人意。
引用
@article{arxiv.2311.01749,
title = {Epidemic Decision-making System Based Federated Reinforcement Learning},
author = {Yangxi Zhou and Junping Du and Zhe Xue and Zhenhui Pan and Weikang Chen},
journal= {arXiv preprint arXiv:2311.01749},
year = {2023}
}