[論文レビュー] Unconstrained Influence Diagrams

Finn V. Jensen, Marta Vomlelová|arXiv (Cornell University)|Dec 12, 2012

Bayesian Modeling and Causal Inference参考文献 9被引用数 43

ひとこと要約

本稿では、意思決定と観察の順序を柔軟に制御できる、従来の影響図の一般化である非制約影響図（UIDs）を導入する。また、任意の証拠のインスタンスに対して最適なステップ戦略を符号化するGS-DAG（一般化戦略DAG）を提案し、最適戦略を決定するための構築・利用手法を提供する。これにより、動的意思決定問題におけるモデル化の柔軟性が著しく向上する。

ABSTRACT

We extend the language of influence diagrams to cope with decision scenarios where the order of decisions and observations is not determined. As the ordering of decisions is dependent on the evidence, a step-strategy of such a scenario is a sequence of dependent choices of the next action. A strategy is a step-strategy together with selection functions for decision actions. The structure of a step-strategy can be represented as a DAG with nodes labeled with action variables. We introduce the concept of GS-DAG: a DAG incorporating an optimal step-strategy for any instantiation. We give a method for constructing GS-DAGs, and we show how to use a GS-DAG for determining an optimal strategy. Finally we discuss how analysis of relevant past can be used to reduce the size of the GS-DAG.

研究の動機と目的

• 従来の影響図が意思決定と観察の順序を固定しているという制限を解消すること。
• 到着する証拠に応じて行動と観察の順序が変化する意思決定状況をモデル化すること。
• 動的で証拠駆動の順序付けにおいて最適な意思決定を支援する形式的枠組みを構築すること。
• 過去の関連性の構造的分析を用いて、戦略構築の計算複雑性を低減すること。

提案手法

• 証拠に基づく依存する行動選択のシーケンスとしてステップ戦略の概念を導入する。
• 各ノードが行動変数を表し、任意の証拠インスタンスに対して最適なステップ戦略を符号化するGS-DAG（一般化戦略DAG）を定義する。
• 条件付き独立性と動的計画法の原則に基づいた、GS-DAGの構築アルゴリズムを提案する。
• 証拠伝搬を伴うグラフの走査によって、GS-DAG構造を用いて最適戦略を計算する。
• 過去の変数の関連性分析を用いて、不要なノードを削除し、GS-DAGのサイズを縮小する。
• ベイジアンネットワークの意味論と条件付き確率表を用いて、モデル内の確率的依存関係を表現する。

実験結果

リサーチクエスチョン

• RQ1 意思決定と観察の順序が事前に定められていない意思決定状況をモデル化するには、どう影響図を拡張すればよいか？
• RQ2 このような動的状況において、任意の証拠インスタンスに対して最適なステップ戦略を符号化する構造的表現として何が適しているか？
• RQ3 最適性を損なわずに、戦略表現のサイズを最小化するにはどうすればよいか？
• RQ4 過去の関連性は、最適戦略計算の複雑性低減にどのような役割を果たすか？
• RQ5 柔軟な行動順序を許容する不確実性下での動的意思決定のための汎用フレームワークを構築可能か？

主な発見

• 本稿は、意思決定と観察の順序を証拠に応じて自由に制御できる非制約影響図への一般化に成功した。
• GS-DAGは、すべての可能な証拠経路において最適なステップ戦略をコンパクトかつ効率的に表現する。
• GS-DAGの構築手法により、証拠伝搬を伴うグラフ走査によって最適戦略を計算可能であることが保証される。
• 過去の変数の関連性分析により、GS-DAGのサイズが顕著に縮小され、計算効率が向上する。
• 固定順序が不適切な複雑で不確実な環境においても、動的意思決定を支援する。
• GS-DAGの構築によって保証される正しさと最適性は、すべての証拠インスタンスにおいて成立する。