基于仿真优化与rollout的网络级灾损后恢复马尔可夫决策过程求解
最优化与控制
2018-12-19 v2 计算工程、金融与科学
系统与控制
摘要
灾损后为保障社区韧性而计算最优恢复决策是一个不确定性下的组合决策问题。它涉及求解一个大规模优化问题，而不确定性的引入使问题显著恶化。在本文中，我们利用多个研究领域的既有工具，为这一挑战性问题提供有效解决方案。我们给出测试社区在强震后供水网络(WN)受损的随机模型，并计算供水网络恢复的近最优恢复行动。我们将该随机决策问题建模为马尔可夫决策过程(MDP)，并使用一类称为rollout的流行启发式算法求解。我们利用基于仿真的MDP表示，结合rollout与最优计算预算分配(OCBA)算法，以解决由此产生的随机仿真优化问题。我们的方法采用非短视规划并高效利用仿真预算。通过仿真结果我们表明，在仅相当于rollout结合总均等分配(TEA)仿真预算的5–10%的微小预算下，融合OCBA的rollout相对于rollout结合TEA具有竞争力，这是迈向解决自然灾害后大规模社区恢复问题的关键一步。
引用
@article{arxiv.1803.04144,
title = {Solving Markov decision processes for network-level post-hazard recovery via simulation optimization and rollout},
author = {Yugandhar Sarkale and Saeed Nozhati and Edwin K. P. Chong and Bruce Ellingwood and Hussam Mahmoud},
journal= {arXiv preprint arXiv:1803.04144},
year = {2018}
}
备注
Submitted to Simulation Optimization for Cyber Physical Energy Systems (Special Session) in 14th IEEE International Conference on Automation Science and Engineering