[論文レビュー] On the decomposition of Generalized Additive Independence models

Michel Grabisch, Christophe Labreuche|arXiv (Cornell University)|Jan 1, 2015

Multi-Criteria Decision Making参考文献 19被引用数 1

ひとこと要約

本稿では、離散的2加法的GAIモデルを非負かつ単調な項に分解することで、最適化の計算複雑性を指数的から2次式に削減する手法を提案する。この手法により、一般に複雑なモデルであるがために実用的でなかったこれらのモデルの構造を簡略化しつつ、効用表現の能力を保持することで、実用的な応用が可能になる。

ABSTRACT

The GAI (Generalized Additive Independence) model proposed by Fishburn is a generalization of the additive utility model, which need not satisfy mutual preferential independence. Its great generality makes however its application and study difficult. We consider a significant subclass of GAI models, namely the discrete 2-additive GAI models, and provide for this class a decomposition into nonnegative monotone terms. This decomposition allows a reduction from exponential to quadratic complexity in any optimization problem involving discrete 2-additive models, making them usable in practice

研究の動機と目的

• 一般性の高さゆえに計算複雑性が高いため、一般化加法的独立性（GAI）モデルを適用する際の課題に対処すること。
• 実用的な最適化が可能なGAIモデルの取り扱いやすい部分クラスを同定・分析すること—特に離散的2加法的GAIモデルを対象とする。
• 複雑なGAIモデルをより単純で非負かつ単調な成分に変換する分解手法を開発すること。
• 計算複雑性を指数的から2次式に削減することで、意思決定の文脈における効率的な最適化を可能にすること。

提案手法

• 本稿は、相互に優先的独立性を要件としない加法的効用モデルの一般化である離散的2加法的GAIモデルに焦点を当てる。
• 非負かつ単調な項の和として効用関数を表現する分解技術を導入する。
• 2加法的モデルの構造を活用し、対ごとのおよび個々の効用寄与を分離する。
• この手法により、成分の単調性と非負性を保証し、モデルの表現力に影響を与えない。
• 効用関数をこれらの成分に再構成することで、2次時間のアルゴリズムを用いた効率的な最適化が可能になる。

実験結果

リサーチクエスチョン

• RQ1 離散的2加法的GAIモデルの計算複雑性を、実用的な利用を想定してどのように低減できるか？
• RQ2 非負かつ単調な表現を可能にする構造的分解は何か？
• RQ3 2加法的GAIモデルの効用関数は、より単純で取り扱いやすい成分の和として表現可能か？
• RQ4 この分解は、効率的な最適化を可能にする一方で、モデルの表現力の保持にどの程度寄与するか？

主な発見

• 提案された分解により、離散的2加法的GAIモデルが非負かつ単調な項の和に変換され、効率的な最適化が可能になる。
• この手法により、最適化問題の計算複雑性が指数的時間から2次式時間に削減される。
• この分解により、相互に優先的独立性を要件としないまま、複雑な好みの表現能力を維持できる。
• 従来、取り扱いが困難とされてきたGAIモデルが、現実の意思決定支援応用に計算的に実行可能になる。