[論文レビュー] Strategy Selection in Influence Diagrams using Imprecise Probabilities

Cassio P. de Campos, Qiang Ji|arXiv (Cornell University)|Jun 13, 2012

Bayesian Modeling and Causal Inference参考文献 19被引用数 56

ひとこと要約

本稿では、不確実性を意思決定ノードでモデル化するための不確実確率を用いた、限られた記憶を有する影響図（LIMID）における戦略選択のための新しいアルゴリズムを提案する。曖昧性のある意思決定における意思決定の堅牢性を高めるために、曖昧確率を扱えるcredal networkフレームワークに問題を再定式化し、グローバルな最大期待効用戦略を計算する。同時に、保証された誤差バウンドを伴う任意の時間近似解を提供し、意思決定の柔軟性を高める。

ABSTRACT

This paper describes a new algorithm to solve the decision making problem in Influence Diagrams based on algorithms for credal networks. Decision nodes are associated to imprecise probability distributions and a reformulation is introduced that finds the global maximum strategy with respect to the expected utility. We work with Limited Memory Influence Diagrams, which generalize most Influence Diagram proposals and handle simultaneous decisions. Besides the global optimum method, we explore an anytime approximate solution with a guaranteed maximum error and show that imprecise probabilities are handled in a straightforward way. Complexity issues and experiments with random diagrams and an effects-based military planning problem are discussed.

研究の動機と目的

• 正確な確率分布が入手不能または信頼できない影響図における不確実性下の意思決定を扱う。
• 既存のcredal networkアルゴリズムを、限られた記憶を有する影響図（LIMID）における同時意思決定を扱えるように拡張する。
• 不確実確率分布下でのグローバル最大期待効用戦略を計算する手法を開発する。
• スケーラビリティと実用的導入を考慮し、計算時間の増加に伴い徐々に改善される近似解と保証された最大誤差バウンドを提供する。
• 合成的な影響図と、現実世界の軍事的効果ベース計画問題の両方でアプローチを評価する。

提案手法

• 意思決定ノードにおける不確実確率を扱えるように、LIMID意思決定問題をcredal network推論タスクに再定式化する。
• すべての可能な意思決定ポリシーの空間上でグローバル最適戦略を探索するため、分枝限定法（branch-and-bound）を用いる。
• 計算効率を向上させるために、上界および下界の期待効用に基づくプルーニング機構を導入する。
• 計算時間の増加に伴い、徐々に改善される戦略を返す任意時間アルゴリズムを設計し、最大誤差バウンドを保証する。
• ランダムなLIMIDインスタンスと、複雑な軍事計画シナリオの両方に対して手法を適用し、堅牢性とスケーラビリティを実証する。
• LIMIDの構造を活用して、同時意思決定と条件付き独立性を効率的に管理する。

実験結果

リサーチクエスチョン

• RQ1 正確な確率分布が入手できない状況において、どのようにして影響図の戦略選択を堅牢に行えるか？
• RQ2 credal network推論技術は、不確実確率を伴うLIMIDの意思決定問題に効果的に適応可能か？
• RQ3 LIMIDにおいて不確実確率下でグローバル最適戦略を求める計算複雑度はどの程度か？
• RQ4 この文脈において、計算時間の増加に伴い徐々に改善される解と誤差バウンドを保証する任意時間アルゴリズムを設計可能か？
• RQ5 本手法は、例えば効果ベース計画のような高い不確実性を伴う現実世界の意思決定問題において、どのように性能を発揮するか？

主な発見

• 提案されたアルゴリズムは、不確実確率下でのLIMIDにおいて、グローバル最大期待効用戦略を正しく計算し、最適性を保証する。
• 任意時間近似アルゴリズムは、保証された最大誤差バウンドを提供するため、リアルタイムまたはリソース制限のある応用に適している。
• ランダムLIMIDにおける実験では、手法のスケーラビリティが比較的良好であり、影響図の幅に依存して性能が変化することが示された。
• 軍事的効果ベース計画問題において、高い不確実性下でも本手法は堅牢性を示し、従来の正確確率アプローチを上回った。
• credal networkフレームワークへの再定式化により、確率分布の仮定を必要とせず、不確実確率を自然かつ直感的に扱える。
• 本手法はLIMIDにおける同時意思決定を効果的に管理でき、既存の多く影響図の定式化を一般化する。