Asignación óptima de posicionamiento de ambulancias utilizando aprendizaje por refuerzo:

Este estudio explora la asignación óptima de ambulancias en Bogotá utilizando algoritmos de aprendizaje por refuerzo para reducir los tiempos de respuesta ante accidentes de tráfico. A través de simulaciones basadas en datos reales y un modelo de la red vial de la ciudad, se analizan distintas configuraciones de puntos de despacho. Se comparan tres algoritmos clave: ε-Greedy, Upper Confidence Bound (UCB) y el Algoritmo Bandido Gradiente (GBA). Los resultados revelan que el enfoque ε-Greedy logra una distribución óptima de ambulancias, reduciendo los tiempos de respuesta a un promedio de 5.8 minutos. Esta investigación ofrece una solución para mejorar la eficiencia de los servicios de emergencia, destacando el potencial del aprendizaje por refuerzo en problemas logísticos críticos.