基于期望分位数改进的多目标优化方法及其在疾病暴发决策中的应用
统计方法学
2024-10-25 v2
摘要
不确定性下的优化在许多应用中至关重要，尤其是在为公共卫生等领域的政策和决策提供信息时。一个关键的不确定性来源是将环境变量作为输入纳入计算模型或模拟器。这些变量代表了优化问题中不可控的特征，可靠的决策必须考虑它们传播到模拟器输出的不确定性。通常，从这些输出中会定义多个相互竞争的目标，因此最终的最优决策是不同目标之间的折衷。在此，我们针对此类问题提出了基于模拟的优化方法，该方法扩展了期望分位数改进（EQI）以解决多目标优化问题。我们聚焦于实际中重要的双目标情况，采用序贯设计策略来识别最优解的帕累托前沿。来自环境变量的不确定性通过使用模拟器的蒙特卡洛样本进行积分消除。通过使用（高斯过程）模拟器，可以方便地查询模拟器的期望输出。该方法在一个涉及炭疽孢子空间地形扩散的公共卫生优化问题上进行了演示。环境变量包括影响扩散的气象特征，即使存在相当大的输入不确定性，该方法也能识别出帕累托前沿。
引用
@article{arxiv.2401.12031,
title = {Multi-objective optimisation using expected quantile improvement for decision making in disease outbreaks},
author = {Daria Semochkina and Alexander I. J. Forrester and David C Woods},
journal= {arXiv preprint arXiv:2401.12031},
year = {2024}
}