Selecting simultaneous actions of different durations to optimally manage an ecological network
Notice bibliographique
Résumé
Summary Species management requires decision‐making under uncertainty. Given a management objective and limited budget, managers need to decide what to do, and where and when to do it. A schedule of management actions that achieves the best performance is an optimal policy. A popular optimisation technique used to find optimal policies in ecology and conservation is stochastic dynamic programming ( SDP ). Most SDP approaches can only accommodate actions of equal durations. However, in many situations, actions take time to implement or cannot change rapidly. Calculating the optimal policy of such problems is computationally demanding and becomes intractable for large problems. Here, we address the problem of implementing several actions of different durations simultaneously. We demonstrate analytically that synchronising actions and their durations provide upper and lower bounds of the optimal performance. These bounds provide a simple way to evaluate the performance of any policy, including rules of thumb. We apply this approach to the management of a dynamic ecological network of Aedes albopictus , an invasive mosquito that vectors human diseases. The objective is to prevent mosquitoes from colonising mainland Australia from the nearby Torres Straits Islands where managers must decide between management actions that differ in duration and effectiveness. We were unable to compute an optimal policy for more than eight islands out of 17, but obtained upper and lower bounds for up to 13 islands. These bounds are within 16% of an optimal policy. We used the bounds to recommend managing highly populated islands as a priority. Our approach calculates upper and lower bounds for the optimal policy by solving simpler problems that are guaranteed to perform better and worse than the optimal policy respectively. By providing bounds on the optimal solution, the performance of policies can be evaluated even if the optimal policy cannot be calculated. Our general approach can be replicated for problems where simultaneous actions of different durations need to be implemented.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».