Jul, 2023

灾难响应中的主动资源请求：基于深度学习的优化模型

PDF
TL;DR灾害响应中资源管理和需求预测的优化问题，并提出了基于深度学习的新方法，经过实验验证其在实际数据和模拟数据上的卓越表现，同时在多利益相关者和多目标设置下也显示出了其卓越性能。
disaster responseresource managementdemand predictionstochastic optimizationmulti-objective setting
发现论文，激发创造
  • 资源受限的深度强化学习

    为了优化城市资源分配，本文研究了基于 Deep RL 方法对于资源分配的约束条件以及对模拟器的表现

    Dec, 2018

  • 应急响应人工智能

    本教程论文探讨应急响应中的四个子问题：事件预测、事件检测、资源分配和资源调度。同时提供在美国大都市地区的开放数据进行数据驱动的应急响应研究和工作。

    Jun, 2023

  • 应用在线深度学习处理社交媒体信息的危机响应

    本文提出使用深度神经网络，通过随机梯度下降算法在线训练，处理 Twitter 中的人道主义信息反应，包括鉴别信息推文和分类主题。

    Oct, 2016

  • 利用设备基于强化学习的最优需求响应

    本文提出了一种新型的供需响应问题的全自动能源管理系统的调度问题的强化学习方法，并以 Q 学习算法为例，通过对代表性例子的模拟结果进行了演示。

    Jan, 2014

  • 使用移动数据的实时需求响应铁路重调度的深度强化学习方法以缓解车站拥挤问题

    通过推断来自移动数据（MD）的现实乘客移动性以促进行时重新调整列车时刻表、路线站点和滚动库存分配的深度强化学习（DRL）框架

    Aug, 2023

  • 基于数据驱动的需求响应在线互动竞标策略

    本文提出一种使用智能电表数据和功能，同时确定投标和购买策略，基于历史招标经验学习的双代理深度确定性策略梯度方法来优化招标和购买决策，并通过在线学习确保趋势跟踪和自适应，结果表明该模型可以通过离线 / 在线学习投标规则并稳健地进行适当的出价，在面对多种情况时获得最优利润。

    Feb, 2022

  • 深度强化学习在医疗资源高效公平分配中的应用

    使用基于转换器的深度 Q 网络，研究在健康资源匮乏条件下公平有效地进行重症护理资源分配的强化学习方法。实验结果表明，与现有的基于严重程度和合并症的方法相比，我们的方法在不同级别的呼吸机短缺情况下显著减少了多余死亡，并实现了更加公正的分配。

    Sep, 2023

  • 基于社交媒体分析的智能灾害响应 —— 综述

    本文综述了利用社交媒体进行智能化灾难救援和响应的新前沿，研究了灾难的不同阶段在社交媒体上如何表现，建立了基于社交媒体的建议方法与首次救援组织之间的联系，并概述了当前挑战和未来研究方向。

    Sep, 2017

  • 利用深度强化学习推进具备需求响应的攻击弹性集成能源系统的调度

    基于深度强化学习的状态对抗方式，提出了一种创新的无模型韧性调度方法，用于具备集成需求响应功能的集成能源系统，该方法能够充分应对可再生能源和负载所带来的不确定性，并减轻网络攻击对调度策略的影响，确保各种能源的稳定供求，并具备抵御网络攻击的韧性。

    Nov, 2023

  • 具有卡车和无人机的随机动态灾后库存分配问题

    研究调查了人道物流的动态分配问题，考虑了稀缺供应品的分配、匮乏成本以及货运无人机的潜在运用，并提出了两种解决方法以有效管理不确定性。结果显示相比最佳基准方法，NN-VFA 表现最佳，DL-VFA 则显示出良好的可扩展性。通过考虑匮乏成本，在不同区域和时间段内改善了对稀缺供应品的分配，同时展示了无人机在灾后救援中的重要作用。

    Nov, 2023