[논문 리뷰] Inexact proximal algorithms in models of Behavioral Sciences

G. C. Bento, Antoine Soubeyran|arXiv (Cornell University)|2014. 03. 27.

Complex Systems and Decision Making인용 수 2

한 줄 요약

이 논문은 행동 과학 분야에서 인간의 안정성과 변화 역학을 모델링하기 위해 습관 영역(Habitual Domain, HD) 및 변분 이성(Variational Rationality, VR) 프레임워크 내에서 비정확한 프락시멀 알고리즘을 도입한다. 정확한 최적화를 통한 의사결정을 현실적으로 반영하기 위해 프락시멀 방법에 비정확성을 통합함으로써, 유한한 이성성 하에서의 의사결정을 포괄하는 통합적인 수학적 접근법을 제공함으로써 심리학, 경제학 및 인공지능 분야에서의 체류 및 변화 행동을 분석할 수 있다.

ABSTRACT

The Habitual domain (HD) approach and the Variational rationality (VR) approach belong to the same strongly interdisciplinary and very dispersed area of research: human stability and change dynamics (see Soubeyran, 2009, 2010, for an extended survey), including physiological, physical, psychological and strategic aspects, in Psychology, Economics, Management Sciences, Decision theory, Game theory, Sociology, Philosophy, Artificial Intelligence,.... These two approaches are complementary. They have strong similarities and strong differences. They focus attention on both similar and different stay and change problems, using different concepts and different mathematical tools. When they use similar concepts (a lot), they often have different meaning. We can compare them with respect to the problems and topics they consider, the behavioral principles they use, the concepts they modelize, the mathematical tools they use, and their results.

연구 동기 및 목표

• 행동 과학에서 인간의 안정성과 변화 모델을 수학적 최적화 기법과 연결짓는 데 목적이 있다.
• 정확한 프락시멀 알고리즘의 한계를 해결하기 위해 의사결정의 유한한 이성성을 더 잘 반영하기 위해 비정확성을 도입한다.
• 비정확한 프락시멀 방법을 기반으로 한 공통 수학적 프레임워크를 통해 HD 및 VR 접근법을 통합한다.
• 변분 원리와 비정확한 반복을 사용하여 개인이 습관을 유지하거나 새로운 행동으로 전환하는 방식을 모델링한다.
• 제한된 정보와 불확실성 하에서 전략적, 심리적, 경제적 행동을 분석하기 위한 융통성 있고 현실적인 도구를 제공한다.

제안 방법

• 정확한 최소화가 비현실적인 의사결정 과정을 모델링하기 위해 비정확한 프락시멀 알고리즘을 적응시킨다.
• 행동을 안정된 상태 또는 새로운 습관 향한 국소적 개선의 연속으로 프레임워크화하기 위해 변분 이성 기법을 사용한다.
• 유한한 이성성과 인지적 제약을 반영하기 위해 프락시멀 반복에 내성 허용 오차 파rameter를 도입한다.
• 습관과 전환의 안정성 영역을 정의하기 위해 HD 프레임워크를 활용하고, 프락시멀 연산자를 사용해 행동 전환을 모델링한다.
• 단조 연산자 이론과 고정점 반복과 같은 수학적 도구를 사용해 수렴성과 안정성을 분석한다.
• 게임 이론, 의사결정 이론 및 최적화 이론의 개념을 융합하여 다중 에이전트 및 전략적 행동 역학을 모델링한다.

실험 결과

연구 질문

• RQ1 비정확한 프락시멀 알고리즘은 인간 행동의 유한한 이성성을 어떻게 더 잘 모델링할 수 있는가?
• RQ2 HD 및 VR 접근법은 체류 및 변화 역학을 어떻게 다르게 개념화하는가?
• RQ3 비정확한 프락시멀 방법이 현실적인 행동 전환을 포착하기 위해 작용하는 수학적 메커니즘은 무엇인가?
• RQ4 프락시멀 반복의 내성 수준은 행동 상태의 안정성과 수렴성에 어떤 영향을 미치는가?
• RQ5 비정확한 프락시멀 알고리즘은 심리학, 경제학 및 인공지능 분야의 다양한 모델을 어느 정도 통합할 수 있는가?

주요 결과

• 비정확한 프락시멀 알고리즘은 유한한 이성성과 인지적 제약을 통합함으로써 인간의 의사결정을 더 현실적으로 표현한다.
• HD 및 VR 접근법은 상호보완적이며, 안정성과 변화 과정에 대한 서로 다른 그러나 수렴하는 통찰을 제공한다.
• 프락시멀 반복에 내성 허용 오차를 도입함으로써 경험적 관찰과 일치하는 점진적이고 비이성적인 행동 전환을 모델링할 수 있다.
• 이 프레임워크는 변분 원리 기반의 단일 수학적 모델에 심리학, 경제학 및 인공지능의 개념을 성공적으로 통합한다.
• 비정확성 하에서도 행동 상태의 수렴성과 안정성이 유지되어 이론의 강건성을 입증한다.
• 이 모델은 심리학, 경제학 및 인공지능 분야의 다학제적 영역에서 개인적 행동과 전략적 행동을 분석할 수 있는 통합된 언어를 제공한다.