arXiv cs.LG· Bozhi Sun, Seda Tierney, Jeffrey A. Feinstein, Frederick Damen, Alison L. Marsden, Daniele E. Schiavazzi·· 7 小时前AI 评分22
斯坦福儿童医院心超实验室资源调度的规则与强化学习策略仿真研究
Rule-based and reinforcement-learning policies for resource allocation in a pediatric echo lab: a simulation study
AI 导读
基于斯坦福 Lucile Packard 儿童医院心超实验室一周 184 名患者的运营数据，研究者用 SimPy 构建离散事件随机仿真模型并通过开源 Gymnasium 接口开放。在 7 间超声室、6 名超声技师的设定下，即时分配相比各类预约式配置显著降低平均等待时间；随后训练的 Dueling Double DQN（带优先经验回放）表现与最佳即时分配规则策略相当，但未能超越。
来源：arXiv cs.LG · arxiv.org