计算机工程

作者：张国富, 沈宇锋, 宋晓晓, 苏兆品

单位：1. 合肥工业大学 计算机与信息学院, 合肥 230601;2. 合肥工业大学 工业安全与应急技术安徽省重点实验室, 合肥 230601;3. 安全关键工业测控技术教育部工程研究中心, 合肥 230601

关键词：灾后应急响应,路网修复,抢修队动态调度,Q学习,最优动作集更新

基金：教育部人文社会科学研究青年基金(19YJC870021);中央高校基本科研业务费专项资金(PA2021GDSK0073,PA2021GDSK0074);安徽省重点研究与开发计划项目(202104d07020001,202004d07020011);广东省类脑智能计算重点实验室开放课题(GBL202117)。

地震、受灾路网抢修作为灾后应急响应中的一个基础环节，主要研究如何制定道路抢修队的修复方案，从而快速打通生命救援线路，确保救援队伍、装备、物资等及时输送到灾区各个需求点。然而，已有研究大多专注于静态受灾路网，难以适应地震、洪水等重特大自然灾害下的复杂应急场景。构建一种动态受灾路网模型，模拟应急场景的动态恶化，并基于Markov决策过程构建抢修队的动态决策模型，设计相应的状态空间、动作空间和回报函数。最后，提出一种基于改进Q学习（IQL）的动态调度（IQLDS）算法，以适应当前的路网状态，快速得到较优的修复策略。实验结果表明，与蚁群优化算法、IQL算法相比，IQLDS算法在大规模、高受损率路网环境中的目标函数值降低了约50%，能够在精确感知路网环境变化后及时调整学习策略，并充分利用历史经验获得较优的修复方案。

来源：2023年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第6期