Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Machine learning for decision making under uncertainty

Descrizione del progetto

Un innovativo quadro di riferimento basato sull’apprendimento automatico per il processo decisionale

Negli ultimi anni sono aumentate le sfide in relazione alla realizzazione di investimenti in quanto è incrementata la complessità delle relative decisioni, a causa dei numerosi parametri visibili e nascosti esistenti. Queste difficoltà hanno inciso in modo significativo sul processo decisionale per gli investimenti a lungo termine, in particolare nel contesto delle decisioni legate alla transizione verde. Il progetto DECIDE, finanziato dal CER, mira a creare un innovativo quadro di riferimento per le decisioni di investimento. Questo framework sfrutterà l’apprendimento automatico e la ricerca operativa per affrontare la crescente incertezza in tal ambito avvalendosi di un processo iterativo e utilizzando modelli generativi profondi per generare e risolvere nuovi scenari, fornendo agli utenti una vasta gamma di opzioni di investimento.

Obiettivo

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.

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) ERC-2022-ADG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

DANMARKS TEKNISKE UNIVERSITET
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 2 491 210,00
Indirizzo
ANKER ENGELUNDS VEJ 101
2800 KONGENS LYNGBY
Danimarca

Mostra sulla mappa

Regione
Danmark Hovedstaden Københavns omegn
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 2 491 210,00

Beneficiari (1)

Il mio fascicolo 0 0