Aprendizaje por Refuerzo Multi-Agente para Patrullas y Despachos Conjuntos

Las unidades de patrulla policial necesitan dividir su tiempo entre realizar patrullas preventivas y ser despachadas para atender incidentes de emergencia. En la literatura existente, las decisiones de patrullaje y despacho a menudo se estudian por separado. Consideramos la optimización conjunta de estas dos decisiones para mejorar la eficiencia de las operaciones policiales y reducir el tiempo de respuesta a las llamadas de emergencia. Metodología/resultados: Proponemos un nuevo método para optimizar conjuntamente la patrulla y el despacho multi-agente para aprender políticas que generen tiempos de respuesta rápidos. Nuestro método trata a cada patrullero como un Q-aprendiz (agente) independiente con una red Q profunda compartida que representa los valores de estado-acción. Las decisiones de despacho se eligen utilizando programación de enteros mixtos y aproximación de funciones de valor a partir de espacios de acción combinatorios. Demostramos que este enfoque de aprendizaje por refuerzo multi-agente heterogéneo es capaz de aprender políticas conjuntas que superan a aquellas optimizadas solo para patrullas o despachos. Implicaciones Gerenciales: Las políticas optimizadas conjuntamente para patrullaje y despacho pueden llevar a un servicio más efectivo mientras se orientan a objetivos demostrablemente flexibles, como aquellos que fomentan la eficiencia y la equidad en la respuesta.