Decision-Focused Forecasting: Decision Losses for Multistage Optimisation

要約

意思決定中心学習は、下流の意思決定の品質に関してパイプラインの上流の予測面をトレーニングすることにより、不確実性の下での意思決定のための有望なアプローチとして浮上しました。
既存の研究のほとんどは単一段階の問題に焦点を当てています。
価格や需要などのコンテキスト情報が時間の経過とともに明らかになり、意思決定が将来の意思決定に影響を与えるため、現実世界の意思決定の問題の多くは、多段階最適化を使用してより適切にモデル化されます。
我々は、意思決定に焦点を当てた予測を提案します。これは、訓練において微分可能な最適化を使用して予測の異時点間の意思決定効果を考慮する複数暗黙的層モデルです。
再帰的モデルは、完全に微分可能な多段階最適化アプローチを反映しています。
このモデルによって生成された勾配の分析を示し、予測によって引き起こされた状態パスを考慮して行われた調整を示します。
私たちはエネルギー貯蔵裁定取引タスクへのモデルの適用を実証し、私たちのモデルが既存のアプローチよりも優れていることを報告します。

要約(オリジナル)

Decision-focused learning has emerged as a promising approach for decision making under uncertainty by training the upstream predictive aspect of the pipeline with respect to the quality of the downstream decisions. Most existing work has focused on single stage problems. Many real-world decision problems are more appropriately modelled using multistage optimisation as contextual information such as prices or demand is revealed over time and decisions now have a bearing on future decisions. We propose decision-focused forecasting, a multiple-implicitlayer model which in its training accounts for the intertemporal decision effects of forecasts using differentiable optimisation. The recursive model reflects a fully differentiable multistage optimisation approach. We present an analysis of the gradients produced by this model showing the adjustments made to account for the state-path caused by forecasting. We demonstrate an application of the model to an energy storage arbitrage task and report that our model outperforms existing approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google