Optimal Observation-Intervention Trade-Off in Optimisation Problems with Causal Structure

要約

既知のサイド情報が設計変数間の因果構造の形で存在する場合、評価に高価なグレーボックス目的関数を有限の予算内で最適化する問題を考えます。
標準的なブラックボックス最適化は因果構造を無視するため、多くの場合非効率的でコストがかかります。
因果構造を考慮する既存のいくつかの方法は近視眼的であり、因果効果を推定する際に生じる観察と介入のトレードオフに完全には対応していません。
この論文では、観察と介入のトレードオフが、効率的な解決策を可能にする非近視的な最適停止問題として定式化できることを示します。
最適な停止時間の構造を詳細に説明する理論的結果を示し、既存の因果ベイジアン最適化アルゴリズムと統合できることを示すことで、このアプローチの一般性を実証します。
実験結果は、私たちの定式化が実際のベンチマークと合成ベンチマークで既存のアルゴリズムを強化できることを示しています。

要約(オリジナル)

We consider the problem of optimising an expensive-to-evaluate grey-box objective function, within a finite budget, where known side-information exists in the form of the causal structure between the design variables. Standard black-box optimisation ignores the causal structure, often making it inefficient and expensive. The few existing methods that consider the causal structure are myopic and do not fully accommodate the observation-intervention trade-off that emerges when estimating causal effects. In this paper, we show that the observation-intervention trade-off can be formulated as a non-myopic optimal stopping problem which permits an efficient solution. We give theoretical results detailing the structure of the optimal stopping times and demonstrate the generality of our approach by showing that it can be integrated with existing causal Bayesian optimisation algorithms. Experimental results show that our formulation can enhance existing algorithms on real and synthetic benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google