Explainable Causal Reinforcement Learning for wildfire evacuation logistics networks in carbon-negative infrastructure

Diese Forschung konzentriert sich auf die Überwindung der Einschränkungen standardmäßiger Reinforcement-Learning-Modelle bei der Optimierung von Evakuierungen bei Waldbränden. Der Verfasser wendet kausale Inferenz, inspiriert von Judea Pearl und Bernhard Schölkopf, an, um unerklärlichen Empfehlungen und Störvariablen zu begegnen.