COVID-19 大流行中疫苗与检测试剂盒分配的随机优化
人工智能
2021-01-06 v1 机器学习
摘要
由 SARS-CoV-2 病毒引起的大流行暴露了在分配资源以应对全球卫生危机时所用决策策略的诸多缺陷。在本文中，我们利用强化学习与优化来改进各类资源的分配策略。具体而言，我们考虑一个中央控制器必须决定向何处发送检测试剂盒以了解世界的不确定状态（主动学习），然后利用新信息构建关于这些状态的信念并决定向何处分配资源的问题。我们提出一个通用模型，并配以可调的前瞻策略，用于在不知世界状态完美信息的情况下做出疫苗分配决策。将该前瞻策略与基于人口的短视策略进行比较，后者更可能类似于实践中的现有策略。每种疫苗分配策略都与一个检测试剂盒分配策略协同工作以执行主动学习。我们的仿真结果表明，基于优化的前瞻决策策略将优于所提出的短视策略。
引用
@article{arxiv.2101.01204,
title = {Stochastic Optimization for Vaccine and Testing Kit Allocation for the COVID-19 Pandemic},
author = {Lawrence Thul and Warren Powell},
journal= {arXiv preprint arXiv:2101.01204},
year = {2021}
}