面向传染病控制的多目标基于模型的强化学习
机器学习
2022-03-01 v3 机器学习
摘要
新型冠状病毒（COVID-19）等严重传染病对公共健康构成巨大威胁。停课、居家令等严格管控措施虽效果显著，但也带来巨大经济损失。面对新发传染病，决策者的一个关键问题是如何在巨大不确定性下做出权衡并及时实施适当干预。本文提出一种多目标基于模型的强化学习（Multi-Objective Model-based Reinforcement Learning）框架，以辅助数据驱动决策并最小化总体长期成本。具体而言，在每个决策点，首先学习一个贝叶斯流行病学模型作为环境模型，然后应用所提出的基于模型的多目标规划算法求得一组 Pareto 最优策略。该框架结合各策略的预测区间，为决策者提供实时决策支持工具。并以中国境内 COVID-19 的蔓延为例展示了其应用。
引用
@article{arxiv.2009.04607,
title = {Multi-Objective Model-based Reinforcement Learning for Infectious Disease Control},
author = {Runzhe Wan and Xinyu Zhang and Rui Song},
journal= {arXiv preprint arXiv:2009.04607},
year = {2022}
}