An empirical comparison of Influence Diagrams algorithms
Artaso Landa, Miguel Ángel · 2014
Los Modelos Graficos Probabilistas (MGP) son ampliamente usados en diferentes dominios donde hay que tratar con incertidumbre. Se emplean para obtener la maxima utilidad esperada y la politica optima, las mejores decisiones, en diferentes escenarios. Cuando se afrontan problemas de la vida real, el modelo final que los representa puede ser harto complicado. Debido a que no todos los algoritmos de inferencia son igual de eficientes, es importante saber cual es mejor aplicar dependiendo de las circunstancias. Por lo tanto, es importante comparar la eficiencia de los algoritmos cuando ante diferentes modelos. En este Trabajo fin de master, comparamos cuatro algoritmos para diagramas de influencia: eliminacion de variables, inversion de arcos, arbol de uniones fuerte y conversion a LIMID. Para nuestros experimentos hemos utilizado OpenMarkov2, una herramienta de codigo abierto desarrollada por el Centro de Investigacion sobre Sistemas Inteligentes de Ayuda a la Decision (CISIAD) de la UNED. El primer algoritmo estaba ya implementado en esta herramienta; los demas han sido implementados por el autor de este trabajo. Ademas, hemos implementado la generacion de diferentes diagramas de influencia, que despues han sido utilizados para comparar los citados algoritmos. Despues, hemos contrastado el tiempo y la memoria empleados por los algoritmos en la inferencia de estas redes y el analisis de los resultados nos ha llevado a dar algunas recomendaciones sobre que algoritmo utilizar dependiendo de la estructura del modelo.