Anticipation in Multiple Criteria Decision-Making Under Uncertainty

257 Pages·2014·3.29 MB·English

Carlos Renato Belo Azevedo
Anticipation in Multiple Criteria Decision-Making
Under Uncertainty
Antecipac¸a˜o na Tomada de Decisa˜o com Mu´ltiplos
Crite´rios sob Incerteza
Campinas
2014
i
ii
Universidade Estadual de Campinas
Faculdade de Engenharia El´etrica e de Computa¸ca˜o
Carlos Renato Belo Azevedo
Anticipation in Multiple Criteria Decision-Making
Under Uncertainty
Antecipac¸a˜o na Tomada de Decisa˜o com Mu´ltiplos
Crite´rios sob Incerteza
Thesis presented to the School of Electrical
and Computer Engineering of the University of
Campinas in partial fulfillment of the require-
ments for the degree of Doctor in Electrical En-
gineering, in the area of Computer Engineering
Tese apresentada a` Faculdade de Engenharia
El´etrica e de Computa¸ca˜o da Universidade Es-
tadual de Campinas como parte dos requisitos
exigidos para a obtenc¸˜ao do t´ıtulo de Doutor em
Engenharia El´etrica, na a´rea de Engenharia da
Computa¸ca˜o
Orientador: Prof. Dr. Fernando Jos´e Von Zuben
Este exemplar corresponde a` versa˜o
final da tese defendida pelo aluno
Carlos Renato Belo Azevedo, e ori-
entada pelo Prof. Dr. Fernando Jose´
Von Zuben
Campinas
2014
iii
Ficha catalográfica
Universidade Estadual de Campinas
Biblioteca da Área de Engenharia e Arquitetura
Rose Meire da Silva - CRB 8/5974

Azevedo, Carlos Renato Belo, 1984-
Az25a AzeAnticipation in multiple criteria decision-making under uncertainty / Carlos
Renato Belo Azevedo. – Campinas, SP : [s.n.], 2014.

AzeOrientador: Fernando José Von Zuben.
AzeTese (doutorado) – Universidade Estadual de Campinas, Faculdade de
Engenharia Elétrica e de Computação.

Aze1. Inteligência artificial. 2. Aprendizado de máquina. 3. Inferência bayesiana. 4.
Otimização multiobjetivo. 5. Otimização de carteiras de investimento. I. Von
Zuben, Fernando José,1968-. II. Universidade Estadual de Campinas. Faculdade
de Engenharia Elétrica e de Computação. III. Título.
Informações para Biblioteca Digital
Título em outro idioma: Antecipação na tomada de decisão com múltiplos critérios sob
incerteza
Palavras-chave em inglês:
Artificial intelligence
Machine learning
Bayesian inference
Multi-objective optimization
Investment portfolio optimization
Área de concentração: Engenharia de Computação
Titulação: Doutor em Engenharia Elétrica
Banca examinadora:
Fernando José Von Zuben [Orientador]
Ricardo Hiroshi Caldeira Takahashi
Rodrigo Fernandes de Mello
Paulo Augusto Valente Ferreira
Romis Ribeiro de Faissol Attux
Data de defesa: 15-08-2014
Programa de Pós-Graduação: Engenharia Elétrica
iv
Powered by TCPDF (www.tcpdf.org)
v
vi
Abstract
The presence of uncertainty in future outcomes can lead to indecision in choice
processes, especially when eliciting the relative importances of multiple decision cri-
teria and of long-term vs. near-term performance. Some decisions, however, must be
taken under incomplete information, what may result in precipitated actions with
unforeseen consequences. When a solution must be selected under multiple con-
flicting views for operating in time-varying and noisy environments, implementing
flexible provisional alternatives can be critical to circumvent the lack of complete
information by keeping future options open. Anticipatory engineering can be then
regarded as the strategy of designing flexible solutions that enable decision makers
to respond robustly to unpredictable scenarios. This strategy can thus mitigate the
risks of strong unintended commitments to uncertain alternatives, while increas-
ing adaptability to future changes. In this thesis, the roles of anticipation and of
flexibility on automating sequential multiple criteria decision-making processes un-
der uncertainty are investigated. The dilemma of assigning relative importances
to decision criteria and to immediate rewards under incomplete information is then
handled by autonomously anticipating flexible decisions predicted to maximally pre-
serve diversity of future choices. An online anticipatory learning methodology is
then proposed for improving the range and quality of future trade-off solution sets.
This goal is achieved by predicting maximal expected hypervolume sets, for which
the anticipation capabilities of multi-objective metaheuristics are augmented with
Bayesian tracking in both the objective and search spaces. The methodology has
been applied for obtaining investment decisions that are shown to significantly im-
provethefuturehypervolumeofsetsoftrade-offfinancialportfoliosforout-of-sample
stock data, when compared to a myopic strategy. Moreover, implementing flexible
portfolio rebalancing decisions was confirmed as a significantly better strategy than
to randomly choosing an investment decision from the evolved stochastic efficient
frontier in all tested artificial and real-world markets. Finally, the results suggest
that anticipating flexible choices has lead to portfolio compositions that are signifi-
cantly correlated with the observed improvements in out-of-sample future expected
hypervolume.
Key-words: Intelligentsystems. Anticipatoryengineering. Multiplecriteriadecision-
making. Multi-objective optimization. Uncertainty handling. Stochastic optimiza-
tion. Metaheuristics. Portfolio optimization.
vii
viii
Resumo
A presen¸ca de incerteza em resultados futuros pode levar a indecis˜oes em processos
de escolha, especialmente ao elicitar as importˆancias relativas de mu´ltiplos crit´erios
de decisa˜o e de desempenhos de curto vs. longo prazo. Algumas deciso˜es, no en-
tanto, devem ser tomadas sob informa¸ca˜o incompleta, o que pode resultar em a¸co˜es
precipitadas com consequˆencias imprevis´ıveis. Quando uma soluc¸˜ao deve ser sele-
cionada sob va´rios pontos de vista conflitantes para operar em ambientes ruidosos
e variantes no tempo, implementar alternativas proviso´rias flex´ıveis pode ser funda-
mental para contornar a falta de informa¸ca˜o completa, mantendo op¸co˜es futuras em
aberto. A engenharia antecipat´oria pode ent˜ao ser considerada como a estrat´egia
de conceber solu¸co˜es flex´ıveis as quais permitem aos tomadores de decis˜ao respon-
der de forma robusta a cena´rios imprevis´ıveis. Essa estrat´egia pode, assim, mitigar
os riscos de, sem inten¸ca˜o, se comprometer fortemente a alternativas incertas, ao
mesmo tempo em que aumenta a adaptabilidade a`s mudan¸cas futuras. Nesta tese,
os pap´eis da antecipa¸ca˜o e da flexibilidade na automa¸ca˜o de processos de tomada
de decisa˜o sequencial com mu´ltiplos crit´erios sob incerteza ´e investigado. O dilema
de atribuir importaˆncias relativas aos crit´erios de decisa˜o e a recompensas imediatas
sob informa¸ca˜o incompleta ´e enta˜o tratado pela antecipa¸ca˜o autˆonoma de decis˜oes
flex´ıveis capazes de preservar ao ma´ximo a diversidade de escolhas futuras. Uma
metodologia de aprendizagem antecipato´ria on-line ´e enta˜o proposta para melhorar
a variedade e qualidade dos conjuntos futuros de solu¸co˜es de trade-off. Esse objetivo
´e alcan¸cado por meio da previs˜ao de conjuntos de ma´ximo hipervolume esperado,
para a qual as capacidades de antecipa¸ca˜o de metaheur´ısticas multi-objetivo s˜ao
incrementadas com rastreamento bayesiano em ambos os espa¸cos de busca e dos
objetivos. A metodologia foi aplicada para a obten¸ca˜o de deciso˜es de investimento,
as quais levaram a melhoras significativas do hipervolume futuro de conjuntos de
carteiras financeiras de trade-off avaliadas com dados de ac¸˜oes fora da amostra de
treino, quandocomparadaaumaestrat´egiam´ıope. Al´emdisso, atomadadedeciso˜es
flex´ıveis para o rebalanceamento de carteiras foi confirmada como uma estrat´egia
significativamente melhor do que a de escolher aleatoriamente uma decisa˜o de in-
vestimento a partir da fronteira estoc´astica eficiente evolu´ıda, em todos os mercados
artificiais e reais testados. Finalmente, os resultados sugerem que a antecipac¸˜ao
de op¸co˜es flex´ıveis levou a composi¸c˜oes de carteiras que se mostraram significativa-
mente correlacionadas com as melhorias observadas no hipervolume futuro esperado,
avaliado com dados fora das amostras de treino.
Palavras-chave: Sistemas inteligentes. Engenharia antecipat´oria. Tomada de de-
cisa˜o com mu´ltiplos crit´erios. Otimiza¸ca˜o multiobjetivo. Tratamento de incerteza.
Otimiza¸ca˜o estoca´stica. Metaheur´ısticas. Otimiza¸ca˜o de carteiras.
ix
x