【标题】Hierarchical Multi-agent Model for Reinforced MedicalResource Allocation with Imperfect Information

【作者团队】Qianyue Hao, Fengli Xu, Lin Chen, Pan Hui, Yong Li

【发表日期】2022.7.30

【论文链接】https://dl.acm.org/doi/pdf/10.1145/3552436

【推荐理由】面对COVID-19的爆发，医疗资源短缺问题日益突出。因此，迫切需要有效的医疗资源配置策略。无模型强化学习（RL）在决策制定方面非常强大，但通过 RL 解决这个问题存在三个关键挑战：（1）现实世界中复杂的情况和无数的决策选择；（2）由于大流行传播的潜伏期，只能获得不完善的信息；(3) 在现实世界中进行实验的限制，因为不能任意设定大流行的爆发。本文提出了一个分层强化学习框架，设计了一个分解的动作空间和相应的训练算法来处理无数的选择并确保有效和实时的策略。并设计了一个基于循环神经网络的框架来利用从环境中获得的不完美信息。此外还设计了一种多智能体投票方法，该方法在模型训练期间考虑到随机性来修改决策过程，从而提高性能。本文建立了一个基于真实世界数据的大流行传播模拟器，作为实验平台。结果表明，本文方法优于所有的基线。

内容中包含的图片若涉及版权问题，请及时与我们联系删除