전력망 복구를 위한 자동화된 의사결정
중요 인프라 시스템인 전력 네트워크, 수자원 네트워크 및 교통 체계 등은 어떤 커뮤니티의 복지에 중요한 역할을 합니다. 재난 후 이러한 인프라 시스템들의 회복이 무엇보다 중요합니다; 효율적이고 차질 없이 회복하기 위해서는 제한된 자원(인력과 기계를 조합한 리소스)을 손상된 인프라 요소의 수리에 할당해야 합니다. 의사결정자는 또한 리소스 할당 행동의 결과에 대한 불확실성과 맞서야 합니다. 전문가의 역량에도 불구하고, 많은 선택지와 순차적인 결정들의 결과에 대한 불확실성을 다루는 것은 자원을 수동으로 할당하는 것이 거의 최적일 경우가 드뭅니다. 이와 같은 불확실성이 있는 조합 문제는 mbox{NP-난해}로 알려져 있습니다. 우리는 대규모 실제 문제의 방대한 의사결정 선택을 다루는 새로운 의사결정 기법을 제안합니다; 또한 우리의 방법은 성능이 우수한 몇 가지 선택 사항에 따라 계산 리소스를 적응적으로 결정하는 체험 학습 컴포넌트를 포함하고 있습니다. 우리의 프레임워크는 폐쇄 루프이며, 이러한 의사결정 시스템의 모든 유익한 특성을 자연스럽게 통합합니다. 단기적인 접근 방식과 달리, 현재 선택에 따른 장래 효과를 고려하지 않는 것과는 반대로, 우리의 방법론은 해결책에 emph{예지안}을 효과적으로 통합하는 예측 학습 컴포넌트를 가지고 있습니다. 이를 위해 우리는 회귀 분석 이론, Markov 의사결정 과정(MDPs), 다중 팔 기계 및 자연 재해로 인한 커뮤니티 손상의 확률 모델을 활용하여 위험에 노출된 커뮤니티의 회복을 위한 최적 해법 방법을 개발했습니다. 우리의 방법론은 거대한 행동 공간을 가진 MDPs의 일반적인 문제에 적용되는 공헌을 제공합니다.