[论文解读] Identifying Dynamic Sequential Plans

Jin Tian|arXiv (Cornell University)|Jun 13, 2012

Bayesian Modeling and Causal Inference参考文献 15被引用 27

一句话总结

本文提出一种方法，通过将问题简化为因果效应识别，利用现有的 do-演算完全算法，在因果贝叶斯网络中识别动态顺序计划。主要贡献是一个形式化框架，可系统识别在不确定性下的动态决策中的干预序列。

ABSTRACT

We address the problem of identifying dynamic sequential plans in the framework of causal Bayesian networks, and show that the problem is reduced to identifying causal effects, for which there are complete identi cation algorithms available in the literature.

研究动机与目标

• 解决在复杂决策系统中识别随时间展开的动态顺序计划的挑战。
• 在因果贝叶斯网络框架内，将动态顺序规划形式化为因果效应识别问题。
• 在具有不确定性的随机环境中，实现最优干预序列的自动化发现。
• 利用现有的因果效应识别完全算法，解决动态规划问题。
• 为因果不确定性下的顺序决策提供理论坚实且计算可行的方法。

提出的方法

• 将动态顺序计划形式化为因果贝叶斯网络结构中的一系列干预。
• 将此类计划的识别问题简化为使用 do-演算识别因果效应的问题。
• 应用因果效应识别的既定完备性定理，以确定给定干预序列是否可识别。
• 利用 do-演算框架，推导出从观测数据和干预数据中唯一确定动态计划的条件。
• 使用后门准则及其他基于 d-分离的规则，验证顺序干预的可识别性。
• 依赖文献中已有的算法，系统性地检查从观测数据和因果图中是否可识别动态计划。

实验结果

研究问题

• RQ1 能否在因果贝叶斯网络中系统识别动态顺序计划？
• RQ2 在何种条件下，从观测数据和干预数据中可识别干预序列？
• RQ3 如何将动态顺序规划问题简化为因果效应识别问题？
• RQ4 在动态环境中识别最优干预序列时，可提供哪些理论保证？
• RQ5 现有的因果效应识别完备性结果在多大程度上适用于顺序决策问题？

主要发现

• 识别动态顺序计划的问题在形式上可约简为因果贝叶斯网络中因果效应识别的问题。
• 所有可识别的动态顺序计划均可使用现有的基于 do-演算的完全算法确定。
• 该框架确保：若因果效应可识别，则相应的动态计划也可识别。
• 该方法为动态环境中不确定性下的规划提供了系统且理论基础扎实的方法。
• 该方法具有通用性，适用于任何可表示为具有可识别干预的因果贝叶斯网络的动态决策问题。
• 该解决方案继承了 do-演算的完备性保证，确保在给定假设下不会遗漏任何可识别的计划。