Kiaghadi, Rabeaeh (2026) Disasters, Dynamics, and Decisions. Strategic Planning in Stochastic Dynamic Environments. PhD, Universität Oldenburg.

Preview

Volltext (7Mb)

Abstract

In disaster scenarios, optimal scheduling of rescue operations poses a challenge, as perilous injuries incurred by victims induce an instationary planning problem with individually varied and dynamically changing survival probabilities. Autonomous search-and-rescue (SAR) strategies in such environments require a precise handling of both discrete events and continuously degrading victim health conditions. In this thesis, a new model class, Interactive Markov Chains with Clocks (IMCC), is proposed that merges the concurrency and stochastic behaviors of Interactive Markov Chains with the precise timing mechanisms of Timed Automata. Unlike previous models, IMCCs accommodate continuously varying, clock-dependent transition rates – a critical feature to capture the dynamic, time-inhomogeneous behavior of rescue scenarios. Building on a rigorous analysis of decidability and computability properties of IMCCs, a heuristic strategy synthesis algorithm has been developed and implemented to systematically construct near-optimal real-time patient visit sequences in a variety of stochastic environments, where optimality refers to maximization of the expected number of rescued victims. More generally, the approach tackles the complexity of time-critical decision-making in continuously time-inhomogeneous environments. The proposed IMCC model and its accompanying algorithms provide rigorous development of autonomous strategies under uncertainty and tight time constraints.

["eprint_fieldname_title_plus" not defined]

Katastrophen, Dynamik und Entscheidungen. Strategische Planung in stochastischen dynamischen Umgebungen

["eprint_fieldname_abstract_plus" not defined]

In Katastrophenszenarien stellt die optimale Terminierung von Rettungsmaßnahmen eine besondere Herausforderung dar, da lebensbedrohliche Verletzungen bei Betroffenen ein nichtstationäres Planungsproblem induzieren, in dem sich individuell unterschiedliche und dynamisch veränderliche Überlebenswahrscheinlichkeiten fortlaufend entwickeln. Autonome Such- und Rettungsstrategien (Search and Rescue, SAR) in solchen Umgebungen erfordern eine präzise Behandlung sowohl diskreter Ereignisse als auch kontinuierlich degradierender Gesundheitszustände. In dieser Dissertation wird eine neue Modellklasse, Interactive Markov Chains with Clocks (IMCC), vorgeschlagen, die die Nebenläufigkeit und das stochastische Verhalten interaktiver Markow-Ketten (IMC) mit den präzisen Zeitmechanismen Zeitautomaten (Timed Automata) verbindet. Im Unterschied zu früheren Modellen erlauben IMCCs kontinuierlich variierende, uhrabhängige Übergangsraten – ein entscheidendes Merkmal, um das dynamische, zeitinhomogene Verhalten von Rettungsszenarien adäquat abzubilden. Aufbauend auf einer Analyse der Entscheidbarkeits- und Berechenbarkeitseigenschaften von IMCCs wurde ein heuristischer Strategiessynthese-Algorithmus entwickelt und implementiert, der systematisch nahezu optimale Echtzeit-Besuchssequenzen von Patientinnen und Patienten in einer Vielzahl stochastischer Umgebungen konstruiert, wobei Optimalität die Maximierung des Erwartungswerts der Anzahl geretteter Personen bezeichnet. Allgemeiner adressiert der Ansatz die Komplexität zeitkritischer Entscheidungsfindung in kontinuierlich zeitinhomogenen Umgebungen. Das vorgeschlagene IMCC-Modell und die begleitenden Algorithmen ermöglichen eine methodisch fundierte Entwicklung autonomer Strategien unter Unsicherheit und strikten Zeitrestriktionen.

Item Type:	Thesis (PhD)
Uncontrolled Keywords:	Formal modelling, Time-inhomogeneous stochastic systems, Interactive Markov Chains with Clocks, Scheduling under uncertainty, Strategy optimization
Subjects:	Generalities, computers, information > Computer science, internet
Divisions:	School of Computing Science, Business Administration, Economics and Law > Department of Computing Science
Date Deposited:	25 Aug 2026 12:15
Last Modified:	25 Aug 2026 12:15
URI:	https://oops.uni-oldenburg.de/id/eprint/7520
URN:	urn:nbn:de:gbv:715-oops-76010
DOI:
Nutzungslizenz:

Actions (login required)

View Item