Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Machine learning for decision making under uncertainty

Descripción del proyecto

Innovador marco de aprendizaje automático para la toma de decisiones

En los últimos años, las inversiones se han enfrentado a retos cada vez mayores, ya que las decisiones de inversión se han vuelto más complejas debido a los numerosos parámetros visibles y ocultos que intervienen. Esta complejidad ha tenido un impacto significativo en el proceso de toma de decisiones para las inversiones a largo plazo, especialmente en el contexto de las decisiones de transición ecológica. El equipo del proyecto DECIDE, financiado por el Consejo Europeo de Investigación, pretende crear un marco innovador para la toma de decisiones de inversión. Dicho marco aprovechará el aprendizaje automático y la investigación operativa para hacer frente a la creciente incertidumbre. El equipo del proyecto empleará un proceso iterativo, utilizando modelos generativos profundos para generar y resolver nuevos escenarios, proporcionando a los usuarios una gama de opciones de inversión.

Objetivo

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.

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

HORIZON-ERC - HORIZON ERC Grants

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) ERC-2022-ADG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

DANMARKS TEKNISKE UNIVERSITET
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 2 491 210,00
Dirección
ANKER ENGELUNDS VEJ 101
2800 KONGENS LYNGBY
Dinamarca

Ver en el mapa

Región
Danmark Hovedstaden Københavns omegn
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

€ 2 491 210,00

Beneficiarios (1)

Mi folleto 0 0