Des réseaux de contraintes valuées aux problèmes de
Transcription
Des réseaux de contraintes valuées aux problèmes de
Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Des réseaux de contraintes valuées aux problèmes de décision séquentielle Conclusion Thomas Schiex, Cédric Pralet 3 Juillet 2007 Introduction Introduction VCSP: cadre générique pour l’optimisation incapable de représenter efficacement certains problèmes : Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU COUVERT Conclusion Logique SAT, maxSAT (x ∨ y ) ∧ (y ∨ ¬z) Réseaux bayésiens MPE maxxyzt Px Pz|x Py |x Pt|x,z Décision dans l’incertain Introduction Introduction VCSP: cadre générique pour l’optimisation (NP-complet) incapable de représenter efficacement certains problèmes : Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU COUVERT NON COUVERT Logique SAT, maxSAT (x ∨ y ) ∧ (y ∨ ¬z) QBF (PSPACE-complet) ∀x∃y ∀z(x ∨ y ) ∧ (y ∨ ¬z) Réseaux bayésiens MPE maxxyzt Px Pz|x Py |x Pt|x,z Conclusion Décision dans l’incertain Introduction Introduction VCSP: cadre générique pour l’optimisation (NP-complet) incapable de représenter efficacement certains problèmes : Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU COUVERT NON COUVERT Logique SAT, maxSAT (x ∨ y ) ∧ (y ∨ ¬z) QBF (PSPACE-complet) ∀x∃y ∀z(x ∨ y ) ∧ (y ∨ ¬z) Réseaux bayésiens MPE maxxyzt Px Pz|x Py |x Pt|x,z MAPP(NPPP -complet) maxxy zt Px Pz|x Py |x Pt|x,z Conclusion Décision dans l’incertain Introduction Introduction VCSP: cadre générique pour l’optimisation (NP-complet) incapable de représenter efficacement certains problèmes : Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU COUVERT NON COUVERT Logique SAT, maxSAT (x ∨ y ) ∧ (y ∨ ¬z) QBF (PSPACE-complet) ∀x∃y ∀z(x ∨ y ) ∧ (y ∨ ¬z) Réseaux bayésiens MPE maxxyzt Px Pz|x Py |x Pt|x,z MAPP(NPPP -complet) maxxy zt Px Pz|x Py |x Pt|x,z Conclusion Décision dans l’incertain Diagrammes d’influence MDP Introduction Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Question Peut-on définir un cadre générique à base de fonctions valuées pour modéliser et résoudre une plus grande classe de problèmes? Idée générale du passage des VCSP à un cadre plus large Introduction Exemple min ( ⊗ ϕ) Faisabilités F x ,y ,z ,t ϕ∈Φ x y Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion f z VCSP t min max x y ,t fp X Plausibilités P z x y p z t pu u Cadre PFU (Plausibilité, Faisabilité, Utilité) U Utilités x y z t Idée générale du passage des VCSP à un cadre plus large Introduction Exemple min ( ⊗ ϕ) Faisabilités F x ,y ,z ,t ϕ∈Φ x y Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion f z VCSP t min max x y ,t fp X Plausibilités P z x y p z t pu u Cadre PFU (Plausibilité, Faisabilité, Utilité) U Utilités x y z t Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU 1 Exemple de problème incluant plausibilités, faisabilités et utilités Conclusion 2 Le cadre PFU 3 Algorithmes génériques sur le cadre PFU Plan Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU 1 Exemple de problème incluant plausibilités, faisabilités et utilités Conclusion 2 Le cadre PFU 3 Algorithmes génériques sur le cadre PFU Exemple introductif Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Jean doit décider d’ouvrir une porte Un trésor derrière une des portes Un voleur derrière une des portes Exemple introductif Introduction Exemple Le cadre PFU Jean doit décider d’ouvrir une porte Un trésor derrière une des portes Un voleur derrière une des portes po Algorithmes génériques sur le cadre PFU Conclusion Variables de décision (contrôlables) Exemple introductif Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Jean doit décider d’ouvrir une porte Un trésor derrière une des portes Un voleur derrière une des portes tr po vo Conclusion Variables de décision (contrôlables) Variables d’environnement (incontrôlables) Exemple introductif Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Trésor: +10, 000e Voleur: −4, 000e tr po vo Exemple introductif Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Trésor: +10, 000e Voleur: −4, 000e U1 tr po U2 vo Conclusion Fonctions locales d’utilité U1 : po = tr (+10 Ke) U2 : po = vo (−4 Ke) Exemple introductif Introduction Exemple Incertitudes sur l’état de l’environnement (plausibilités): Conclusion tr po Le cadre PFU Algorithmes génériques sur le cadre PFU U1 Le trésor et le voleur ne sont pas derrière la même porte et toutes les situations possibles sont équiproblables. U2 vo Exemple introductif Introduction Exemple Incertitudes sur l’état de l’environnement (plausibilités): Conclusion tr P1 P2 po Le cadre PFU Algorithmes génériques sur le cadre PFU U1 Le trésor et le voleur ne sont pas derrière la même porte et toutes les situations possibles sont équiproblables. U2 vo Fonctions locales de plausibilité P1 : vo 6= tr P2 : 1/6 Exemple introductif Introduction Exemple Incertitudes sur l’état de l’environnement (plausibilités): Conclusion tr P1 P2 po Le cadre PFU Algorithmes génériques sur le cadre PFU U1 Le trésor et le voleur ne sont pas derrière la même porte et toutes les situations possibles sont équiproblables. U2 vo Jean et son compagnon Pierre peuvent chacun écouter à une porte. Probabilité d’entendre quelque chose: fonction de la position du voleur. Fonctions locales de plausibilité P1 : vo 6= tr P2 : 1/6 Exemple introductif Introduction Exemple Incertitudes sur l’état de l’environnement (plausibilités): Conclusion tr P1 P2 po Le cadre PFU Algorithmes génériques sur le cadre PFU U1 Le trésor et le voleur ne sont pas derrière la même porte et toutes les situations possibles sont équiproblables. U2 vo ecJ enJ Jean et son compagnon Pierre peuvent chacun écouter à une porte. Probabilité d’entendre quelque chose: fonction de la position du voleur. ecP enP Fonctions locales de plausibilité P1 : vo 6= tr P2 : 1/6 Exemple introductif Introduction Exemple Incertitudes sur l’état de l’environnement (plausibilités): P1 P2 po Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion tr U1 Le trésor et le voleur ne sont pas derrière la même porte et toutes les situations possibles sont équiproblables. U2 vo ecJ P3 enJ Jean et son compagnon Pierre peuvent chacun écouter à une porte. Probabilité d’entendre quelque chose: fonction de la position du voleur. P4 ecP enP Fonctions locales de plausibilité P3 : P(enJ | ecJ , vo) P4 : P(enP | ecP , vo) Exemple introductif Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Règles: tr U1 Jean et Pierre ne peuvent pas écouter à la même porte et ouvrir la porte A est interdit. P1 P2 po U2 vo Conclusion ecJ P3 enJ P4 ecP enP Exemple introductif Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Règles: F2 tr U1 Jean et Pierre ne peuvent pas écouter à la même porte et ouvrir la porte A est interdit. P1 P2 po U2 vo Conclusion ecJ P3 enJ F1 P4 ecP enP Fonctions locales de faisabilité F1 : ecJ 6= ecP F2 : po 6= A Exemple introductif Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Règles: F2 tr U1 Jean et Pierre ne peuvent pas écouter à la même porte et ouvrir la porte A est interdit. P1 P2 po U2 vo Conclusion ecJ P3 enJ F1 P4 ecP enP Modèle graphique composite Requête sur le problème Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Règles de décision maximisant l’utilité espérée si d’abord Pierre et Jean écoutent chacun à une porte, et ensuite Jean choisit une porte à ouvrir en fonction de ce qui a été entendu? Requête sur le problème Introduction Exemple Règles de décision maximisant l’utilité espérée si d’abord Pierre et Jean écoutent chacun à une porte, et ensuite Jean choisit une porte à ouvrir en fonction de ce qui a été entendu? Le cadre PFU Algorithmes génériques sur le cadre PFU A ecP A B Conclusion enJ 0.4 yes ecJ C B C no 0.6 enP 2/3 yes no 1/3 po A C B vo A 2/3 B 1/3 tr A 0 0 10 0 tr B C 0.5 C A 0.5 0 0.5 −4 0 6 Arbre de décision tr B C 0.5 −4 A 0.5 0 B C 0.5 10 0 0 Requête sur le problème Introduction Exemple Répondre à la requête en utilisant un arbre de décision Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion m Calculer des règles de décision optimales pour la quantité max ecJ ,ecP X enJ ,enP max po X vo,tr 0 „ @ ∧ i∈[1,2] « Fi 0 ?@ 1 Y i∈[1,4] 0 Pi A × @ 11 X Ui AA i∈[1,2] ? = opérateur de troncature qui masque les décisions infaisables Autres modèles de plausibilité/utilité Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Forme générale des requêtes: 1 0 11 0 0 « Y X X XX „ @ ∧ Fi ? @ min max Pi A × @ Ui A A max ecP ecJ enJ po enP vo,tr i∈[1,2] i∈[1,4] i∈[1,2] Autres modèles de plausibilité/utilité Introduction Exemple Le cadre PFU Forme générale des requêtes: 1 0 11 0 0 « Y X X XX „ @ ∧ Fi ? @ min max Pi A × @ Ui A A max ecP ecJ enJ po i∈[1,2] enP vo,tr Algorithmes génériques sur le cadre PFU i∈[1,4] i∈[1,2] ⇓ Conclusion „ min max ⊕u max ⊕u ⊕u ecP ecJ enJ po enP vo,tr EU additive probabiliste Satisfaction esp. probabiliste EU possibiliste optimiste EU possibiliste pessimiste EU with κ-rankings EU booléenne 1 EU booléenne 2 ! « ∧ Fi Fi ∈F ⊕p + + max max min ∨ ∨ ? ⊗p Pi ∈P ⊗p × × min min + ∧ ∧ Pi «! „ ⊗pu ⊗u Ui ∈U Ui ⊕u ⊗pu + × + × max min min max(1−p, u) min + ∨ ∧ ∧ → ⊗u + × min min min ∧ ∨ Vers un cadre générique Introduction Exemple Le cadre PFU „ min max ⊕u max ⊕u ⊕u Algorithmes génériques sur le cadre PFU ecP ecJ enJ po enP vo,tr ! « ∧ Fi Fi ∈F ? ⊗p Pi ∈P Pi «! „ ⊗pu ⊗u Ui ∈U Ui Conclusion Trois éléments clé à définir: 1 une structure algébrique 2 un réseau de fonctions locales 3 une séquence d’élimination de variables Formalisme obtenu: le cadre PFU (Plausibilité-Faisabilité-Utilité) Plan Introduction Exemple Le cadre PFU 1 Exemple de problème incluant plausibilités, faisabilités et utilités 2 Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre 3 Algorithmes génériques sur le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Plan Introduction Exemple Le cadre PFU 1 Exemple de problème incluant plausibilités, faisabilités et utilités 2 Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre 3 Algorithmes génériques sur le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Premier élément clé: une structure algébrique Introduction Exemple But: spécifier comment les informations sont combinées et synthétisées Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Différents éléments: 1 une structure de plausibilité: (Ep , p , ⊕p , ⊗p ) ex: (R+ , ≤, +, ×) pour les probabilités Premier élément clé: une structure algébrique Introduction Exemple But: spécifier comment les informations sont combinées et synthétisées Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Différents éléments: 1 une structure de plausibilité: (Ep , p , ⊕p , ⊗p ) ex: (R+ , ≤, +, ×) pour les probabilités 2 une structure d’utilité: (Eu , u , ⊗u ) ex: (R, ≤, +) pour les utilités additives Premier élément clé: une structure algébrique Introduction Exemple But: spécifier comment les informations sont combinées et synthétisées Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Différents éléments: 1 une structure de plausibilité: (Ep , p , ⊕p , ⊗p ) ex: (R+ , ≤, +, ×) pour les probabilités 2 une structure d’utilité: (Eu , u , ⊗u ) ex: (R, ≤, +) pour les utilités additives 3 une structure d’utilité espérée: (Ep , Eu , ⊕u , ⊗pu ) X (px × ux ) devient ⊕u (px ⊗pu ux ) Conclusion x x Premier élément clé: une structure algébrique Introduction Exemple But: spécifier comment les informations sont combinées et synthétisées Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Différents éléments: 1 une structure de plausibilité: (Ep , p , ⊕p , ⊗p ) ex: (R+ , ≤, +, ×) pour les probabilités 2 une structure d’utilité: (Eu , u , ⊗u ) ex: (R, ≤, +) pour les utilités additives 3 une structure d’utilité espérée: (Ep , Eu , ⊕u , ⊗pu ) X (px × ux ) devient ⊕u (px ⊗pu ux ) Conclusion x 4 x des axiomes sur ces structures inspirés par [Friedman-Halpern’95] et [Chu-Halpern’03] Plan Introduction Exemple Le cadre PFU 1 Exemple de problème incluant plausibilités, faisabilités et utilités 2 Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre 3 Algorithmes génériques sur le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Deuxième élément clé: réseau PFU Introduction Exemple Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Définition Un réseau PFU est un tuple (V , G, P, F , U) où V : ensemble fini de variables de décision et d’environnement G: DAG représentant des conditions de normalisation Algorithmes génériques sur le cadre PFU P = {P1 , P2 , . . .}: ensemble fini de fonctions de plausibilité Conclusion F = {F1 , F2 , . . .}: ensemble fini de fonctions de faisabilité U = {U1 , U2 , . . .}: ensemble fini de fonctions d’utilité Les fonctions locales expriment des quantités globales (factorisation justifiée par la notion d’indépendance conditionnelle). Réseau PFU du problème du trésor Introduction Réseau de fonctions locales Graphe acyclique orienté (DAG) Exemple Le cadre PFU Une structure algébrique générique F2 tr U1 Réseau de fonctions locales Requêtes Analyse du cadre P1 P2 po Algorithmes génériques sur le cadre PFU U2 F2 ecJ,ecP vo P1,P2 vo,tr Conclusion po ecJ P3 enJ F1 P4 ecP enP enJ P3 enP P4 F1 Plan Introduction Exemple Le cadre PFU 1 Exemple de problème incluant plausibilités, faisabilités et utilités 2 Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre 3 Algorithmes génériques sur le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Troisième élément clé: requêtes sur un réseau PFU Introduction Exemple But: définir des problèmes de décision Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Définition Requête = séquence de couples opérateur-variables = Sov ex: Sov = minecP maxecJ ⊕u enJ maxpo ⊕u enP ⊕u vo,tr Troisième élément clé: requêtes sur un réseau PFU Introduction Exemple But: définir des problèmes de décision Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Définition Requête = séquence de couples opérateur-variables = Sov ex: Sov = minecP maxecJ ⊕u enJ maxpo ⊕u enP ⊕u vo,tr Conclusion Sémantique: ordre d’élimination → ordre des décisions et des observations Troisième élément clé: requêtes sur un réseau PFU Introduction Exemple But: définir des problèmes de décision Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Définition Requête = séquence de couples opérateur-variables = Sov ex: Sov = minecP maxecJ ⊕u enJ maxpo ⊕u enP ⊕u vo,tr Conclusion Sémantique: ordre d’élimination → ordre des décisions et des observations min ou max sur une décision → attitude optimiste ou pessimiste Troisième élément clé: requêtes sur un réseau PFU Introduction Répondre à une requête = calculer des utilités espérées optimales et/ou des règles de décision optimales Exemple Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Réponse à une requête Q: „ Ans(Q) = Sov ! « ∧ Fi Fi ∈F ? ⊗p Pi ∈P Pi «! „ ⊗pu ⊗u Ui ∈U Ui Troisième élément clé: requêtes sur un réseau PFU Introduction Répondre à une requête = calculer des utilités espérées optimales et/ou des règles de décision optimales Exemple Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Réponse à une requête Q: „ Ans(Q) = Sov Analyse du cadre ! « ∧ Fi Fi ∈F ? ⊗p Pi ∈P Pi «! „ ⊗pu ⊗u Ui ∈U Ui Algorithmes génériques sur le cadre PFU Conclusion Théorème La définition de Ans(Q) est équivalente à une définition à base d’arbre de décision Troisième élément clé: requêtes sur un réseau PFU Introduction Répondre à une requête = calculer des utilités espérées optimales et/ou des règles de décision optimales Exemple Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Réponse à une requête Q: „ Ans(Q) = Sov Analyse du cadre ! « ∧ Fi Fi ∈F ? ⊗p Pi ∈P Pi «! „ ⊗pu ⊗u Ui ∈U Ui Algorithmes génériques sur le cadre PFU Conclusion Théorème La définition de Ans(Q) est équivalente à une définition à base d’arbre de décision Théorème Savoir si Ans(Q) > α est un problème PSPACE-complet Plan Introduction Exemple Le cadre PFU 1 Exemple de problème incluant plausibilités, faisabilités et utilités 2 Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre 3 Algorithmes génériques sur le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Des VCSP au cadre PFU Introduction Exemple Le cadre PFU VCSP PFU Structure de valuation Structure d’utilité espérée Contraintes valuées Fonctions de plausibilité, de faisabilité et d’utilité Optimisation Optimisation et calcul d’utilité espérée NP-complet PSPACE-complet Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Théorème d’unification Introduction Exemple Théorème: le cadre PFU permet d’exprimer des requêtes sur: Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion CSP Valued CSP Quantified CSP Mixed and probabilistic CSP Stochastic CSP Théorème d’unification Introduction Exemple Théorème: le cadre PFU permet d’exprimer des requêtes sur: Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre CSP Valued CSP Quantified CSP Mixed and probabilistic CSP Stochastic CSP Algorithmes génériques sur le cadre PFU Conclusion SAT Quantified boolean formulas Stochastic SAT Extended stochastic SAT Théorème d’unification Introduction Exemple Théorème: le cadre PFU permet d’exprimer des requêtes sur: Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre CSP Valued CSP Quantified CSP Mixed and probabilistic CSP Stochastic CSP Algorithmes génériques sur le cadre PFU Conclusion SAT Quantified boolean formulas Stochastic SAT Extended stochastic SAT Bayesian networks Hybrid networks Markov Random Fields Chain graphs Probability computation MPE (Most Probable Explanation) MAP (Maximum A Posteriori hyp.) Théorème d’unification Introduction Exemple Théorème: le cadre PFU permet d’exprimer des requêtes sur: Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre CSP Valued CSP Quantified CSP Mixed and probabilistic CSP Stochastic CSP Algorithmes génériques sur le cadre PFU Conclusion SAT Quantified boolean formulas Stochastic SAT Extended stochastic SAT Bayesian networks Hybrid networks Markov Random Fields Chain graphs Probability computation MPE (Most Probable Explanation) MAP (Maximum A Posteriori hyp.) Influence diagrams Valuation networks Théorème d’unification Introduction Exemple Théorème: le cadre PFU permet d’exprimer des requêtes sur: Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre CSP Valued CSP Quantified CSP Mixed and probabilistic CSP Stochastic CSP Algorithmes génériques sur le cadre PFU Conclusion SAT Quantified boolean formulas Stochastic SAT Extended stochastic SAT Finite−horizon Markov decision processes (MDP) probabilistic/possibilistic/with kappa rankings competely or partially (POMDP) observable factored or not Bayesian networks Hybrid networks Markov Random Fields Chain graphs Probability computation MPE (Most Probable Explanation) MAP (Maximum A Posteriori hyp.) Influence diagrams Valuation networks Théorème d’unification Introduction Exemple Théorème: le cadre PFU permet d’exprimer des requêtes sur: Le cadre PFU Une structure algébrique générique Réseau de fonctions locales Requêtes Analyse du cadre CSP Valued CSP Quantified CSP Mixed and probabilistic CSP Stochastic CSP Algorithmes génériques sur le cadre PFU Conclusion SAT Quantified boolean formulas Stochastic SAT Extended stochastic SAT Finite−horizon Markov decision processes (MDP) probabilistic/possibilistic/with kappa rankings competely or partially (POMDP) observable factored or not Bayesian networks Hybrid networks Markov Random Fields Chain graphs Influence diagrams Valuation networks Probability computation MPE (Most Probable Explanation) MAP (Maximum A Posteriori hyp.) Finite−horizon STRIPS planning, Conformant planning, Probabilistic planning Expressivité étendue Introduction Exemple Le cadre PFU Une structure algébrique générique Flexibilité en terme de problèmes exprimables Réseau de fonctions locales Requêtes Analyse du cadre Algorithmes génériques sur le cadre PFU Conclusion Définition implicite de nouveaux formalismes ex: diagrammes d’influence possibiliste [Garcia-Sabbadin’06] VCSP quantifiés Cependant, existence de cadres non couverts ex: fonctions de croyance Plan Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU 1 Exemple de problème incluant plausibilités, faisabilités et utilités Conclusion 2 Le cadre PFU 3 Algorithmes génériques sur le cadre PFU Algorithme d’élimination de variables multi-opérateur Introduction Exemple Algorithme d’élimination de variables utilisable pour PFU Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Particularité: contraintes sur l’ordre d’élimination P ex: Sov = maxx,y z maxt ⇒ x, y ≺Sov z ≺Sov t Algorithme d’élimination de variables multi-opérateur Introduction Exemple Algorithme d’élimination de variables utilisable pour PFU Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Particularité: contraintes sur l’ordre d’élimination P ex: Sov = maxx,y z maxt ⇒ x, y ≺Sov z ≺Sov t Théorème Complexité théorique exponentielle en un paramètre appelé largeur induite contrainte Structuration des requêtes Introduction Exemple Certaines aspects non utilisées par VE: Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Décompositions utilisant plus P P que la distributivité P ex: x px · (uxy + uxz ) = ( x px · uxy ) + ( x px · uxz ) Libertés P cachées P dans l’ordre d’élimination P ex: x maxy z (ϕxy · ϕxz · ϕxt ) = xz maxy (ϕxy · ϕxz · ϕxt ) Conditions de normalisations P ex: x Px | pa(x) = 1 Introduction d’un système de règles de réécriture des requêtes Macro-structuration „ Introduction Exemple Le cadre PFU Sov ! « ∧ Fi Fi ∈F ? ⊗ Pi !! ⊗ Pi ∈P Ui ∈U {z | } ⇓ Algorithmes génériques sur le cadre PFU Requête multi-opérateur ⊕ Ui Conclusion L(x1,x3) x1,x2,x3 min x4,x5 max x6,x7,x8 L(x1,x4) L(x2,x4) L(x2,x5) L(x3,x4) L(x4,x7) L(x5,x8) L(x6,x7) L(x7,x8) max x10,x11 x12,x13 x9 L(x2,x10) L(x2,x12) L(x10,x11) L(x10,x12) L(x10,x13) L(x4,x9) DAG de requêtes mono-opérateur Structuration plus fine Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU L(x1,x3) x1,x2,x3 Conclusion min x4,x5 max x6,x7,x8 L(x1,x4) L(x2,x4) L(x2,x5) L(x3,x4) L(x4,x7) L(x5,x8) L(x6,x7) L(x7,x8) max x10,x11 x12,x13 x9 L(x2,x10) L(x2,x12) L(x10,x11) L(x10,x12) L(x10,x13) L(x4,x9) Structuration plus fine Utilisation de techniques de décomposition en arbre Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU x1 Conclusion x2 min x4 min x5 x3 L(x1,x4) L(x2,x4) L(x3,x4) L(x1,x3) L(x2,x10) L(x2,x12) L(x10,x11) max x10,x12 max L(x2,x5) x11 L(x10,x12) max x13 max x7,x8 max x6 L(x4,x7) L(x5,x8) L(x7,x8) x9 L(x6,x7) L(x4,x9) L(x10,x13) Structuration plus fine Utilisation de techniques de décomposition en arbre Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Architecture de calcul obtenue: MCDAG (Multi-operator Cluster DAG) min x4 min x5 x1 x2 x3 L(x1,x4) L(x2,x4) L(x3,x4) L(x1,x3) L(x2,x10) L(x2,x12) L(x10,x11) max x10,x12 max L(x2,x5) x11 L(x10,x12) max x13 max x7,x8 max x6 L(x4,x7) L(x5,x8) L(x7,x8) x9 L(x6,x7) L(x4,x9) L(x10,x13) Architecture de calcul MCDAG Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion Théorème La structuration ne change pas ou fait diminuer la largeur induite. Elle peut générer des gains exponentiels de complexité théorique. Recherche arborescente sur un MCDAG Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU x1 x2 Conclusion min x4 min x5 x3 L(x1,x4) L(x2,x4) L(x3,x4) L(x1,x3) L(x2,x10) L(x2,x12) L(x10,x11) max x10,x12 max L(x2,x5) x11 L(x10,x12) max x13 max x7,x8 max x6 L(x4,x7) L(x5,x8) L(x7,x8) x9 L(x6,x7) L(x4,x9) L(x10,x13) Recherche arborescente sur un MCDAG Introduction Exemple Bornes et propagation de contraintes temps O(d h ), espace linéaire Le cadre PFU Algorithmes génériques sur le cadre PFU x1 x2 Conclusion min x4 min x5 x3 L(x1,x4) L(x2,x4) L(x3,x4) L(x1,x3) L(x2,x10) L(x2,x12) L(x10,x11) max x10,x12 max L(x2,x5) x11 L(x10,x12) Exigence 2 < result < 4 max x13 max x7,x8 max x6 L(x4,x7) L(x5,x8) L(x7,x8) x9 L(x6,x7) L(x4,x9) L(x10,x13) Recherche arborescente sur un MCDAG Introduction Exemple Bornes et propagation de contraintes temps O(d h ), espace linéaire Le cadre PFU Algorithmes génériques sur le cadre PFU Mémorisation pour éviter les redondances w Conclusion x1 s temps O(d ), espace O(d ) x2 min x4 min x5 x3 L(x1,x4) L(x2,x4) L(x3,x4) L(x1,x3) L(x2,x10) L(x2,x12) L(x10,x11) max x10,x12 max L(x2,x5) x11 L(x10,x12) Exigence : 2 < result < 4 max x13 max x7,x8 max x6 L(x4,x7) L(x5,x8) L(x7,x8) x9 L(x6,x7) L(x4,x9) L(x10,x13) Conclusion Introduction Exemple PFU = cadre générique et flexible pour la décision séquentielle Le cadre PFU Algorithmes génériques sur le cadre PFU Structure algébrique plus complexe que celle des VCSP, mais gain en “pouvoir couvrant” Conclusion Algorithmes génériques Moins matures que ceux des VCSP (ex: propagation de contraintes) VCSP et PFU dans la même veine: fédérer des résultats théoriques et des développements algorithmiques Quelques références... Introduction Exemple Le cadre PFU Algorithmes génériques sur le cadre PFU Conclusion N. Friedman, J.Y. Halpern. Plausibility Measures: A User’s Guide - UAI, 1995. F.C. Chu, J.Y. Halpern. Great Expectations. Part I: On the Customizability of Generalized Expected Utility - IJCAI, 2003. J.Y. Halpern. Reasoning about Uncertainty - MIT Press, 2003. D. Dubois, H. Prade. Possibility Theory as a Basis for Qualitative Decision Theory - IJCAI, 1995. J. Pearl. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference Morgan Kaufmann, 1988. T. Schiex, H. Fargier, G. Verfaillie. Valued Constraint Satisfaction Problems : Hard and Easy Problems - IJCAI, 1995. L. Bordeaux, E. Monfroy. Beyond NP: Arc-consistency for Quantified Constraints - CP, 2002. H. Fargier, J. Lang, T. Schiex. Mixed Constraint Satisfaction: a Framework for Decision Problems under Incomplete Knowledge - AAAI, 1996. Quelques références... Introduction Exemple T. Walsh. Stochastic Constraint Programming - ECAI, 2002. Le cadre PFU M. Littman, S. Majercik, T. Pitassi. Stochastic Boolean Satisfiability - Journal of Automated Reasoning, 2001. Algorithmes génériques sur le cadre PFU Conclusion R. Howard, J. Matheson. Influence Diagrams - Readings on the Principles and Applications of Decision Analysis, 1984. M. Puterman. Markov Decision Processes, Discrete Stochastic Dynamic Programming - John Wiley & Sons, 1994. R. Sabbadin. A Possibilistic Model for Qualitative Sequential Decision Problems under Uncertainty in Partially Observable Environments - UAI, 1999. C. Boutilier, T. Dean, S. Hanks. Decision-Theoretic Planning: Structural Assumptions and Computational Leverage - JAIR, 1999. P.P. Shenoy. Valuation Network Representation and Solution of Asymmetric Decision Problems - European Journal of Operational Research, 2000. Quelques références... Introduction P.P. Shenoy. Valuation-based Systems for Discrete Optimization - UAI, 1991. Exemple U. Bertelé, F. Brioschi. Nonserial Dynamic Programming - Academic Press, 1972. Le cadre PFU Algorithmes génériques sur le cadre PFU R. Dechter. Bucket Elimination: a Unifying Framework for Reasoning - Artificial Intelligence, 1999. J. Kolhas. Information Algebras: Generic Structures for Inference - Springer, 2003. Conclusion C. Pralet, G. Verfaillie, T. Schiex. An algebraic graphical model for decision with uncertainties, feasibilities, and utilities - JAIR, à paraître. C. Pralet, G. Verfaillie, T. Schiex. Decision with uncertainties, feasibilities and utilities: towards a unified algebraic framework - ECAI, 2006. C. Pralet, T. Schiex, G. Verfaillie. From influence diagrams to multi-operator cluster DAGs - UAI, 2006 C. Pralet, T. Schiex, G. Verfaillie. Decomposition of multi-operator queries on semiring-based graphical models - CP, 2006 C. Pralet, T. Schiex, G. Verfaillie. Algorithmes et complexités génériques pour différents cadres de décision séquentielle dans l’incertain - RIA, à paraître.