急诊科多智能体系统：基于急诊科数字孪生的验证研究

arXiv cs.AI 论文
multi-agent-systems emergency-departments digital-twin discrete-event-simulation agent-based-modeling validation-study resource-optimization

摘要

本文提出了一种针对急诊科的混合离散事件模拟与基于智能体的模型框架，经过真实世界数据验证，并集成了一个多智能体系统以实现自主资源分配优化。

arXiv:2605.13345v1 公告类型：新 摘要：急诊科（ED）在患者护理和资源管理方面面临挑战。我们提出在现实且灵活的模型中探索优化策略，并开发一种混合离散事件模拟（DES）和基于智能体的模型（ABM），以模拟高度可配置的急诊科环境。我们特别关注建模方法的验证。我们从真实世界研究中推导出急诊科规模、患者负荷和人员配置的配置参数。然后，我们通过将模型的关键性能指标和度量与文献中已知的值进行匹配，来验证模型的表达能力。接着，我们实施科学确立且实践验证的资源优化策略。将记录的真实世界结果与我们的模型结果进行比较，表明基于DES-ABM的模拟能够在干预措施下有效复现真实世界的急诊科动态。最后，我们集成一个概念验证多智能体系统（MAS），该系统能够基于急诊科事件记录的时间账本，在模拟的急诊科环境中自主探索资源分配策略。这种模块化的DES-ABM-MAS框架为探索急诊科资源优化策略提供了一个强大的工具。
查看原文
查看缓存全文

缓存时间: 2026/05/14 06:16 

# 急诊室中的多智能体系统：基于急诊室数字孪生的验证研究
来源：https://arxiv.org/abs/2605.13345
查看 PDF (https://arxiv.org/pdf/2605.13345)

> 摘要：急诊室（ED）在患者护理和资源管理方面面临挑战。我们提出在真实且灵活的模型中探索优化策略，并开发一种混合离散事件模拟（DES）与基于智能体的模型（ABM），用于模拟高度可配置的急诊室环境。我们特别关注该建模方法的验证。我们从真实世界研究中推导出急诊室规模、患者负荷和人员配置的配置参数。随后，通过将其关键绩效指标和度量标准与文献中已知的值进行匹配，验证模型的表现力。接着，我们实施科学确立且实践验证的资源优化策略。将文献中记录的真实世界结果与模型结果进行比较，表明基于DES-ABM的模拟能够有效复现干预下的真实急诊室动态。最后，我们集成一个概念验证多智能体系统（MAS），该系统能够基于急诊室事件记录的时间账本，在模拟急诊室环境中自主探索资源分配策略。这一模块化的DES-ABM-MAS框架为探索急诊室资源优化策略提供了强大的工具。

## 提交历史

来自：Markus Wenzel [查看邮件 (https://arxiv.org/show-email/965541cc/2605.13345)] **\[v1\]** 2026年5月13日 星期三 11:04:23 UTC (2,922 KB)

相似文章

基于数字孪生模拟的治疗响应优化临床决策支持AI系统

arXiv cs.AI

本文提出了一种在线自适应的临床决策支持AI系统，该系统整合了治疗效果估计、数字孪生模拟和强化学习，以在安全、临床医生监督的方式下推荐治疗方案，并在合成模拟器和TCGA卵巢癌数据集上进行了验证。