[논문 리뷰] Decision Making with Interval Influence Diagrams

Jack Breese, Kenneth W. Fertig|arXiv (Cornell University)|2013. 03. 27.

Bayesian Modeling and Causal Inference인용 수 28

한 줄 요약

이 논문은 정확한 값이 아닌 간격으로 표현된 확률과 가치 함수를 사용하여 불확실성 하에서의 의사결정을 위한 알고리즘을 제안한다. 간격 산술과 최적의 변환을 통해 기대 효용의 범위를 계산함으로써, 정확한 입력에 대한 감도 분석을 대체하는 계산적으로 효율적인 방법을 제공하며, 부정확한 입력에 대해 증명된 범위를 보장한다.

ABSTRACT

In previous work (Fertig and Breese, 1989; Fertig and Breese, 1990) we defined a mechanism for performing probabilistic reasoning in influence diagrams using interval rather than point-valued probabilities. In this paper we extend these procedures to incorporate decision nodes and interval-valued value functions in the diagram. We derive the procedures for chance node removal (calculating expected value) and decision node removal (optimization) in influence diagrams where lower bounds on probabilities are stored at each chance node and interval bounds are stored on the value function associated with the diagram's value node. The output of the algorithm are a set of admissible alternatives for each decision variable and a set of bounds on expected value based on the imprecision in the input. The procedure can be viewed as an approximation to a full e-dimensional sensitivity analysis where n are the number of imprecise probability distributions in the input. We show the transformations are optimal and sound. The performance of the algorithm on an influence diagrams is investigated and compared to an exact algorithm.

연구 동기 및 목표

• 정확한 확률과 효용 값이 확보되지 않거나 신뢰할 수 없을 때의 의사결정 문제를 해결하기 위해.
• 결정 노드와 간격 값의 가치 함수를 포함하는 영향도에 간격 기반의 확률적 추론을 확장하기 위해.
• 완전한 감도 분석이 필요 없이 기대 효용의 범위를 계산하는 계산적으로 효율적인 방법을 개발하기 위해.
• 제안된 알고리즘이 간격 불확실성 하에서 타당하고 최적임을 보장하기 위해.
• 정확한 방법과의 정확성 및 계산 효율성 측면에서 성능을 평가하기 위해.

제안 방법

• 확률 노드를 확률의 하한값으로 표현하고, 가치 노드를 간격 값의 효용 함수로 표현한다.
• 간격 산술을 사용하여 기대 효용의 범위를 계산하기 위해 확률 노드에 대해 수정된 노드 제거 절차를 적용한다.
• 결정 노드 제거 시 최적화 기법을 활용하여 간격 불확실성 하에서 허용 가능한 대안을 식별한다.
• 영향도 전반에 걸쳐 간격 전파를 수행하여 모든 가능한 확률 및 효용 실현값에 대해 기대 효용의 범위를 유지한다.
• 제시된 간격 제약 조건 하에서 타당하고 최적임이 증명된 수학적 변환을 유도한다.
• 알고리즘을 e개의 부정확한 분포에 대한 e차원 감도 분석의 근사치로 간주한다.

실험 결과

연구 질문

• RQ1 확률과 효용 값이 간격 내에서만 알려질 경우 어떻게 의사결정을 수행할 수 있는가?
• RQ2 완전한 감도 분석을 수행하지 않고도 기대 효용의 범위를 계산하는 가장 효율적인 방법은 무엇인가?
• RQ3 제안된 간격 기반 방법이 불확실성 하에서 타당하고 최적의 결과를 도출할 수 있는가?
• RQ4 정확한 방법과 비교할 때 간격 알고리즘의 정확성 및 계산 비용 측면에서의 성능은 어떠한가?
• RQ5 간격의 부정확성은 허용 가능한 의사결정 집합과 기대 효용의 범위에 어떤 영향을 미치는가?

주요 결과

• 알고리즘은 각 결정 변수에 대해 간격 불확실성 하에서의 강건성을 반영하는 허용 가능한 대안의 집합을 생성한다.
• 간격 산술과 노드 제거 기법을 사용하여 기대 효용의 범위를 효율적으로 계산함으로써 철저한 감도 분석을 피한다.
• 이 방법은 모든 가능한 부정확한 입력 실현값에 대해 정확성을 보장하는 타당하고 최적임이 입증된 방법이다.
• 성능 평가 결과, 알고리즘이 효과적으로 확장되며 정확한 방법과 비교해 날카운 범위를 제공함을 확인했다.
• 이 접근법은 e개의 부정확한 분포에 대한 e차원 감도 분석의 실용적인 근사치로 기능한다.
• 이 프레임워크는 비정확하거나 모호한 확률적 및 효용 정보를 갖는 실제 세계의 의사결정 상황을 지원한다.