[論文レビュー] Search for Choquet-optimal paths under uncertainty

Lucie Galand, Patrice Perny|arXiv (Cornell University)|Jun 20, 2012

Multi-Criteria Decision Making参考文献 21被引用数 16

ひとこと要約

本稿では、曖昧さの態度を捉える非加法的期待効用モデルであるChoquet期待効用（CEU）を用いて、不確実な環境におけるChoquet最適パスを探索するヒューリスティック探索アルゴリズムを提案する。この手法は、シナリオベースの不確実性下で、多値的かつ暗黙的グラフにおけるロバストなパスを効率的に同定でき、実験により従来手法に比べ実用的効果が確認されている。

ABSTRACT

Choquet expected utility (CEU) is one of the most sophisticated decision criteria used in decision theory under uncertainty. It provides a generalisation of expected utility enhancing both descriptive and prescriptive possibilities. In this paper, we investigate the use of CEU for path-planning under uncertainty with a special focus on robust solutions. We first recall the main features of the CEU model and introduce some examples showing its descriptive potential. Then we focus on the search for Choquet-optimal paths in multivalued implicit graphs where costs depend on different scenarios. After discussing complexity issues, we propose two different heuristic search algorithms to solve the problem. Finally, numerical experiments are reported, showing the practical efficiency of the proposed algorithms.

研究の動機と目的

• 従来の期待効用が曖昧さ回避をモデル化できない不確実な状況におけるパス計画を解決すること。
• 期待効用を一般化し、非加法的信念を組み込むChoquet期待効用（CEU）を用いて意思決定理論的パス探索を拡張すること。
• シナリオ依存コストを持つ多値的暗黙的グラフにおいて、CEU最適パスを効率的に探索するヒューリスティック探索アルゴリズムを開発すること。
• 提案手法の実用的性能とロバスト性をベンチマークパス計画問題において評価すること。
• CEUが人間らしく不確実性下での意思決定をモデル化する記述的および規定的利点を示すこと。

提案手法

• 信念の容量に基づく表現を用いて不確実性をモデル化し、Choquet期待効用フレームワーク内でシナリオの非加法的重み付けを可能にする。
• すべての可能なパスのうちChoquet期待効用を最大化するという目的関数としてパス選択を最適化問題として定式化する。
• A*-類似の展開と支配性プルーニングに基づく2つのヒューリスティック探索アルゴリズムを提案し、CEUに基づくパス評価を尊重しながら状態空間を効率的に探索する。
• パスコストとシナリオ全体における信念容量値を組み合わせた新しい優先順位関数を用いて、CEU最適解への探索を誘導する。
• 与えられた容量関数に対するChoquet積分を用いて、動的に後続状態を生成・評価することで、暗黙的グラフを扱う。
• 合成的および現実的なパス計画インスタンスを用いた数値実験により、標準的期待効用および他のヒューリスティクスと性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 期待効用と比較して、Choquet期待効用はパス計画における曖昧さ下の意思決定をより正確にモデル化できるか？
• RQ2 シナリオ依存コストを持つ大規模な暗黙的グラフにおいて、Choquet最適パスをどのように効率的に計算できるか？
• RQ3 CEUに基づくパス探索における正確法とヒューリスティック法の間の計算的トレードオフは何か？
• RQ4 提案されたヒューリスティックアルゴリズムは、ベースライン手法と比較して、解の品質と実行時間の両面でどの程度の性能を示すか？
• RQ5 どのような不確実性環境下で、CEUに基づくパス選択がよりロバストまたは人間の意思決定と整合する解をもたらすか？

主な発見

• 提案されたヒューリスティック探索アルゴリズムは、全探索手法と比較して著しく計算時間を短縮しながら、Choquet最適パスを効果的に同定できた。
• 信念容量関数が曖昧さ回避を捉えている状況では、アルゴリズムが解の品質において優れた性能を示した。
• 数値実験の結果、ヒューリスティック手法は大多数のテストケースでほぼ最適解を達成し、実行可能時間も維持できた。
• CEUの使用により、高い不確実性や曖昧な確率を持つ状況でもよりロバストなパス選択が可能となり、記述的妥当性において標準的期待効用を上回った。
• 支配性プルーニング技術は、解の品質を損なわず探索空間を効果的に削減し、スケーラビリティを向上させた。
• 結果から、CEUに基づくパス計画は計算的に実行可能であり、曖昧さに敏感な意思決定をモデル化する点で記述的に優れていることが確認された。