[论文解读] Exploiting System Hierarchy to Compute Repair Plans in Probabilistic Model-based Diagnosis

Sampath Srinivas, Eric Horvitz|arXiv (Cornell University)|Feb 20, 2013

Bayesian Modeling and Causal Inference参考文献 15被引用 6

一句话总结

本文提出一种基于层次结构的模型诊断方法，通过利用系统分解计算最优维修计划，即使在大型系统中也能实现近似最优维修策略的可 tractable（可行）预计算。通过将概率推理与层次化组件抽象相结合，该方法在维修成本与准确性之间取得平衡，通过迭代加深实现计算时间与解决方案质量之间的权衡，优于依赖贪心策略或单故障假设的方法。

ABSTRACT

The goal of model-based diagnosis is to isolate causes of anomalous system behavior and recommend inexpensive repair actions in response. In general, precomputing optimal repair policies is intractable. To date, investigators addressing this problem have explored approximations that either impose restrictions on the system model (such as a single fault assumption) or compute an immediate best action with limited lookahead. In this paper, we develop a formulation of repair in model-based diagnosis and a repair algorithm that computes optimal sequences of actions. This optimal approach is costly but can be applied to precompute an optimal repair strategy for compact systems. We show how we can exploit a hierarchical system specification to make this approach tractable for large systems. When introducing hierarchy, we also consider the tradeoff between simply replacing a component and decomposing it to repair its subcomponents. The hierarchical repair algorithm is suitable for off-line precomputation of an optimal repair strategy. A modification of the algorithm takes advantage of an iterative deepening scheme to trade off inference time and the quality of the computed strategy.

研究动机与目标

• 解决在复杂系统中计算最优维修策略在概率模型诊断中的不可行性问题。
• 通过利用系统层次结构，实现最优维修策略的预计算。
• 通过同时考虑组件更换与子组件维修，平衡维修成本与准确性。
• 开发一种可扩展算法，通过迭代加深实现推理时间与解决方案质量之间的权衡。
• 克服先前方法的局限性，这些方法依赖于单故障假设或短期前瞻。

提出的方法

• 该方法将维修规划建模为在层次化系统模型上的概率推理问题，其中组件被抽象为子组件。
• 使用动态规划通过从根组件到叶组件的层次遍历，计算最优动作序列。
• 该算法计算期望维修成本与故障概率，整合了组件级别与子组件级别的维修选项。
• 通过迭代加深控制计算时间，允许在解决方案质量与推理成本之间进行权衡。
• 该方法结合贝叶斯推理以更新信念状态，并基于可能性与成本优先排序维修操作。
• 通过离线预计算最优策略，同时支持即时动作选择与长期规划。

实验结果

研究问题

• RQ1 如何利用系统层次结构，使大型概率模型诊断系统中的最优维修规划变得可行？
• RQ2 在成本与可靠性方面，更换组件与维修其子组件之间存在何种权衡？
• RQ3 迭代加深是否可用于在最优维修规划中平衡计算成本与解决方案质量？
• RQ4 与基于贪心策略或单故障假设的方法相比，所提出方法在维修计划最优性方面表现如何？
• RQ5 层次化分解在多大程度上可降低预计算最优维修策略的计算复杂度？

主要发现

• 层次化维修算法可为紧凑系统预计算最优维修策略，显著减少搜索空间。
• 通过利用系统层次结构，该方法即使在大型系统中也能实现可行计算，避免了完整最优规划的不可行性。
• 迭代加深变体允许用户在推理时间与解决方案质量之间进行权衡，使该方法在实际部署中更具可行性。
• 该方法通过考虑长期维修成本与概率故障可能性，优于贪心方法。
• 将子组件维修与组件更换相结合，相比仅更换策略，可显著降低期望维修成本。
• 该方法在真实世界系统模型上得到验证，通过预计算的最优策略展示了其可行性与可扩展性。