كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

یادگیری تقویتی عمیق چندعاملی آگاه به بقا با مکانیزم توجه برای مسیریابی آمبولانس در پاسخ به بحران

نویسندگان :

حمیده احمدی¹ داوود شیشه بری² سید عابد حسینی³ احمد صادقیه⁴

1- دانشگاه یزد 2- دانشگاه یزد 3- دانشگاه آزاد اسلامی واحد مشهد 4- دانشگاه یزد

کلمات کلیدی :

مسیریابی آمبولانس،یادگیری تقویتی عمیق،مکانیزم توجه،مدیریت بحران،فرایند تصمیمگیری نیمهمارکوف چندعاملی،اولویتبندی مبتنی بر زمان بقا.

چکیده :

شرایط بحران فشار شدیدی بر خدمات فوریتهای پزشکی وارد میکند، جایی که تصمیمات مسیریابی آمبولانس مستقیما بر بقای بیماران اثر میگذارد. در این پژوهش، مسئله مسیریابی آمبولانس پس از تریاژ بررسی میشود که در آن موقعیت و زمان بقای بیماران پس از ارزیابی اولیه معلوم است. برخلاف مسیریابی کلاسیک وسایل نقلیه که بر کارایی عملیاتی تمرکز دارد، این مسئله قیود زمانی تودرتو دارد: هر بیمار یک آستانه زمانی برای رسیدن به بیمارستان دارد و آستانه برداشت از آن مشتق میشود. ما این مسئله را با یادگیری تقویتی عمیق چندعاملی مبتنی بر مکانیزم توجه حل میکنیم و آن را بهصورت یک فرایند تصمیمگیری نیمهمارکوف مدل میکنیم که در آن مدتزمان اعمال، زمانهای سفر را بازتاب میدهد و هماهنگی ناوگان از طریق وزنهای توجه یادگرفتهشده پدید میآید. رویکرد اکتور-کریتیک ما از آموزش متمرکز با اجرای غیرمتمرکز بهره میبرد. برخلاف چارچوبهای برنامهریزی محدودیت که با وابستگیهای زمانی پیشنگر در مسیرهای چندبیماره دستوپنجه نرم میکنند، سیاست مبتنی بر توجه این تعاملات پیچیده را بهصورت ضمنی و از طریق آموزش پاداشمحور میآموزد. نتایج تجربی نشان میدهد که سیاستهای یادگرفتهشده در مقایسه با هر دو روش OR-Tools و الگوریتم ژنتیک به هزینهای بهمراتب کمتر همراه با رعایت بهتر آستانههای بقا میرسند، با این تمایز کلیدی که مدل، نقض قید را بهمنزله مرگ بیمار تلقی میکند نه صرفا جریمه بهینهسازی. یافتهها نشان میدهد که یادگیری تقویتی عمیق میتواند توازن میان کارایی عملیاتی و اولویتهای پزشکی را در سناریوهای پاسخ به بحران بهخوبی بازتاب دهد.