[论文解读] A Modified Approximate Dynamic Programming Algorithm for Community-level Food Security Following Disasters

Saeed Nozhati, Yugandhar Sarkale+3 more|arXiv (Cornell University)|Apr 1, 2018

Infrastructure Resilience and Vulnerability Analysis参考文献 6被引用 13

一句话总结

本文提出了一种结合模拟退火的改进近似动态规划（ADP）算法，通过建模相互依赖的基础设施系统，以优化严重地震后加利福尼亚州吉尔罗伊社区的粮食安全恢复。该方法识别出电力、供水、交通和食品零售商的近似最优恢复序列，显著提升了灾后粮食可及性与系统韧性。

ABSTRACT

In the aftermath of an extreme natural hazard, community residents must have access to functioning food retailers to maintain food security. Food security is dependent on supporting critical infrastructure systems, including electricity, potable water, and transportation. An understanding of the response of such interdependent networks and the process of post-disaster recovery is the cornerstone of an efficient emergency management plan. In this study, the interconnectedness among different critical facilities, such as electrical power networks, water networks, highway bridges, and food retailers, is modeled. The study considers various sources of uncertainty and complexity in the recovery process of a community to capture the stochastic behavior of the spatially distributed infrastructure systems. The study utilizes an approximate dynamic programming (ADP) framework to allocate resources to restore infrastructure components efficiently. The proposed ADP scheme enables us to identify near-optimal restoration decisions at the community level. Furthermore, we employ a simulated annealing (SA) algorithm to complement the proposed ADP framework and to identify near-optimal actions accurately. In the sequel, we use the City of Gilroy, California, USA to illustrate the applicability of the proposed methodology following a severe earthquake. The approach can be implemented efficiently to identify practical policy interventions to hasten recovery of food systems and to reduce adverse food-insecurity impacts for other hazards and communities.

研究动机与目标

• 通过建模关键基础设施系统之间的相互依赖性，解决极端自然灾害后维持社区粮食安全的挑战。
• 考虑灾害后基础设施恢复过程中存在的随机不确定性与空间分布特征。
• 开发一种高效的恢复决策框架，以最小化粮食不安全并加速恢复进程。
• 将近似动态规划与模拟退火相结合，以提高计算效率与解的准确性。
• 通过加利福尼亚州吉尔罗伊市严重地震后的实际案例研究，展示该方法的实用适用性。

提出的方法

• 将电力、 potable water（ potable water 为专有名词，保留原词）、高速公路桥梁和食品零售商等相互依赖的基础设施系统建模为具有随机故障与恢复动态的空间分布组件。
• 在近似动态规划（ADP）框架内制定恢复问题，以处理社区级灾害恢复中常见的大规模、高维状态空间。
• 引入模拟退火（SA）算法以优化ADP解，提升收敛至近似最优恢复序列的能力。
• 使用马尔可夫决策过程（MDP）近似来表示基础设施功能随时间的随机演化。
• 定义状态变量以捕捉每个基础设施组件的功能状态以及社区内相应的粮食可及水平。
• 应用ADP-SA混合框架，通过灾后恢复情景的仿真迭代学习最优恢复策略。

实验结果

研究问题

• RQ1 如何对相互依赖的基础设施系统进行建模，以反映灾害后的现实恢复动态？
• RQ2 基础设施故障与修复中的随机不确定性对社区粮食安全有何影响？
• RQ3 结合模拟退火的改进ADP框架能否识别出显著提升灾后粮食可及性的近似最优恢复序列？
• RQ4 ADP与SA的集成如何在大规模灾害恢复规划中提升计算效率与解的质量？
• RQ5 该框架在多大程度上可应用于现实社区，以减少极端事件后的粮食不安全？

主要发现

• ADP-SA混合框架成功识别出近似最优的恢复序列，显著缩短了模拟地震后社区恢复粮食可及性所需的时间。
• 与仅使用标准ADP相比，模拟退火的引入提升了解的质量与收敛速度。
• 模型表明，协调恢复相互依赖的系统——尤其是交通与电力系统——对于恢复食品零售商功能至关重要。
• 吉尔罗伊市的案例研究显示，优先恢复关键的交通与电力基础设施组件，可显著加快社区整体粮食可及性的恢复。
• 该方法有效捕捉了基础设施恢复中的空间与随机变化，从而支持更稳健且现实的政策建议。
• 该方法具有可扩展性，适用于面临类似灾害恢复挑战的其他社区，为应急管理工作提供了实用工具。