面向多簇爆发控制的资源受限非药物干预优化：基于层次强化学习
机器学习
2026-05-04 v2
摘要
非药物干预(NPIs)，如诊断检测和检疫，是控制传染病爆发的关键手段，但常受限于资源有限，尤其在爆发初期。在现实的公共卫生场景中，资源必须在多个不同步调出现的爆发簇之间分配，这些簇的规模和风险各不相同，且争夺共享的资源预算。本文中，一个簇对应由单个感染源病例引发的密切接触群体。因此，必须在不确定性和异构需求下作出决策，同时遵守操作约束。我们将此问题建模为受限的无回饮多臂老虎机问题，提出一种层次强化学习框架。全局控制器学习连续动作成本乘子，用于调整全局资源需求，而通用的局部策略则估计将资源分配给每个簇中 individual 的边际价值。我们在 SARS-CoV-2 的真实情境基于智能体的模拟器中评估了所提方法，该模拟器具有动态到达的簇。 在各种系统规模和检测预算下，我们的方法始终优于受 RMAB 启发和启发式基线方法，提高了爆发控制效果达 20%-30%。实验在最多 40 个并发活跃簇的规模下进一步表明，层次框架高度可扩展，并比 RMAB 启发方法实现更快的决策。
引用
@article{arxiv.2603.19397,
title = {Optimizing Resource-Constrained Non-Pharmaceutical Interventions for Multi-Cluster Outbreak Control Using Hierarchical Reinforcement Learning},
author = {Xueqiao Peng and Andrew Perrault},
journal= {arXiv preprint arXiv:2603.19397},
year = {2026}
}