[論文レビュー] Multi-objective Influence Diagrams

Radu Marinescu, Abdul Razak+1 more|arXiv (Cornell University)|Oct 16, 2012

Bayesian Modeling and Causal Inference参考文献 26被引用数 10

ひとこと要約

この論文は、部分的に順序付けられた複数の効用目的をベクトル値効用を用いて処理する、多目的影響図（MOIDs）を導入する。eカバー近似とユーザーが指定したトレードオフを用いた変数消去アルゴリズムを提案し、正確なパレート集合の列挙と比較して、大規模な問題において計算複雑性を顕著に低減するパレート最適解を効率的に計算する。

ABSTRACT

We describe multi-objective influence diagrams, based on a set of p objectives, where utility values are vectors in Rp, and are typically only partially ordered. These can still be solved by a variable elimination algorithm, leading to a set of maximal values of expected utility. If the Pareto ordering is used this set can often be prohibitively large. We consider approximate representations of the Pareto set based on e-coverings, allowing much larger problems to be solved. In addition, we define a method for incorporating user tradeoffs, which also greatly improves the efficiency.

研究の動機と目的

• 影響図における複数の部分的に順序付けられた目的の意思決定を扱う。
• 多目的意思決定問題における完全なパレート集合の列挙の計算的に非現実的な問題を克服する。
• 計算コストを削減しながら解の品質を維持するスケーラブルな近似技術を開発する。
• ユーザーが指定したトレードオフを意思決定モデルに統合し、好みに配慮した最適化を可能にする。
• 変数消去アルゴリズムを多目的設定におけるベクトル値期待効用に適応する。

提案手法

• パレート順序によって定義される好みを用いて、Rpにおけるベクトル値効用関数を用いて多目的影響図を形式化する。
• 影響図の構造に沿って期待効用ベクトルを伝搬・計算するように変数消去を適応する。
• パレート集合をコンactかつ近似的最適な部分集合として表現するためにeカバー近似を用いることで、解のサイズと計算時間を削減する。
• 効用変換を用いてユーザー定義のトレードオフを組み込む方法を導入し、解空間の好みの領域へのプルーニングを可能にする。
• 重み付き和の集約を用いて、パレートフロントの好ましい領域に向かって消去プロセスを誘導するメカニズムを用いる。
• 離散的な確率的ノードと意思決定ノードを有する影響図にアルゴリズムを適用し、構造的要因分解によって計算の tractability を維持する。

実験結果

リサーチクエスチョン

• RQ1 意思決定において、複数の部分的に順序付けられた目的をモデル化するため、影響図をどのように拡張できるか？
• RQ2 多目的影響図におけるパレート最適解集合を効率的に計算・表現する方法は何か？
• RQ3 eカバーのような近似技術は、解の品質を損なわずにパレート集合のサイズを顕著に削減できるか？
• RQ4 ユーザーが指定したトレードオフは、計算された解のスケーラビリティと品質にどのように影響するか？
• RQ5 変数消去は、多目的設定におけるベクトル値期待効用を処理するために、どの程度適応可能か？

主な発見

• eカバーの使用により、パレート集合のサイズが顕著に削減され、正確な列挙が困難な大規模な問題の解決が可能になる。
• 効用変換によるユーザーのトレードオフの組み込みにより、パレートフロントの好ましい領域に集中した計算が可能になり、解の効率が向上する。
• MOIDs用の変数消去アルゴリズムは、影響図の構造を保持したまま期待効用ベクトルを効果的に計算することができる。
• 従来のパレート集合列挙とは異なり、解のサイズが指数関数的に増加するためしばしば非現実的になる問題に対して、本手法はより大規模な問題にスケーリング可能である。
• 実験結果から、eカバー近似は真のパレートフロントに対するほぼ最適なカバレッジを維持しており、高い解の品質を達成している。
• ユーザーの好みの統合により、複雑な多目的シナリオにおけるより実用的でユーザー主導の意思決定が可能になる。