Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS

Machine learning for decision making under uncertainty

Projektbeschreibung

Innovativer Rahmen für maschinelles Lernen zugunsten der Entscheidungsfindung

In den vergangenen Jahren wurden Investitionen immer schwieriger, da Investitionsentscheidungen aufgrund der zahlreichen sichtbaren und verborgenen Parameter immer komplexer wurden. Diese Komplexität hat sich erheblich auf den Entscheidungsprozess für langfristige Investitionen ausgewirkt, insbesondere im Zusammenhang mit Entscheidungen im Sinne eines Übergangs zu einer grünen Wirtschaft. Ziel des ERC-finanzierten Projekts DECIDE ist es, einen innovativen Rahmen für Investitionsentscheidungen zu schaffen. Dieser Rahmen wird das maschinelle Lernen und die Verfahrensforschung nutzen, um der wachsenden Unsicherheit zu begegnen. Das Projektteam wird einen iterativen Prozess anwenden, bei dem tiefgreifende generative Modelle eingesetzt werden, um neue Szenarien zu generieren und zu lösen, die den Nutzenden eine Reihe von Investitionsoptionen bieten.

Ziel

Many important decisions are taken under uncertainty since we do not know the development of various parameters. In particular the ongoing green transition requires large and urgent societal investments in new energy modes, infrastructure and technology. The decisions are spanning over a very long time-horizon, and there are large uncertainty towards energy prices, demand of energy, and production from renewable sources. Such problem can be described as two-stage stochastic optimization problems, where we first decide which facilities to establish, and then we have to schedule the production/transportation for a stochastic demand, using the given facilities. If the decision variables are discrete, such problems are extremely difficult to solve. In this project we will develop a new framework for investment decision making under uncertainty based on a combination of machine learning and operations research. Instead of solving a complex stochastic optimization problem defined on a fixed set of forecasted scenarios, we propose to use an iterative process: We repeatedly generate new scenarios, solve them using advanced optimization methods, and find the corresponding investment solutions. Our novel way of optimization will use deep generative models (DGMs) to generate small sets of scenarios matching the real distribution, and use a guided local search process to select scenarios that properly reflect properties of the full set of scenarios. The outcome of the iterative process is a palette of near-optimal solutions, which can be analyzed using data science methods to extract associations in investments, outrank dominated choices, and organize investments according to urgency. Knowing the full spectrum of possible choices opens up for a much broader discussion of investments, while allowing soft constraints to also be taken into account. This will enable a more transparent and inclusive decision process, while ensuring well-founded and more robust investment decisions.

Schlüsselbegriffe

Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

(öffnet in neuem Fenster) ERC-2022-ADG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

DANMARKS TEKNISKE UNIVERSITET
Netto-EU-Beitrag

Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.

€ 2 491 210,00
Adresse
ANKER ENGELUNDS VEJ 101
2800 KONGENS LYNGBY
Dänemark

Auf der Karte ansehen

Region
Danmark Hovedstaden Københavns omegn
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

€ 2 491 210,00

Begünstigte (1)

Mein Booklet 0 0