风险厌恶的抗生素时间机器问题

抗生素耐药性是一种严重的医疗问题，由于 uncontrolled and 重复的抗生素使用导致细菌突变并发展出对抗生素的耐药性。抗生素时间机器问题旨在制定能最大化逆转这些突变概率的治疗方案。针对问题的严重性，我们发展了一种风险厌恤方法，并构建了一个以条件价值-at-risk（CVaR）目标函数的情景基于混合整数线性规划。我们提出了一种风险厌恤情景批处理分解算法，将情景划分为可管理的风险厌恤子问题，从而构建下界和上界。我们在算法中引入了更强的无用割（no-good cuts）和对称性中断约束，以及情景重新分组和热启动技术。我们在真实数据集上对静态和动态版本进行了大量计算实验，展示了我们方法的有效性。我们的结果表明，风险厌恤解决方案在最坏情况下的表现显著优于风险中性解决方案，尽管在平均性能方面略有下降，尤其是针对动态版本。虽然我们的 methodology 被表述为抗生素时间机器问题的上下文，但可以适用于其他风险厌恤情境，其中决策变量来自类型为一的特殊有序集合。