Computational models for adversarial risk analysis and probabilistic scenario planning

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorSalo, Ahti, Prof., Aalto University, Department of Mathematics and Systems Analysis, Finland
dc.contributor.authorRoponen, Juho
dc.contributor.departmentMatematiikan ja systeemianalyysin laitosfi
dc.contributor.departmentDepartment of Mathematics and Systems Analysisen
dc.contributor.schoolPerustieteiden korkeakoulufi
dc.contributor.schoolSchool of Scienceen
dc.contributor.supervisorSalo, Ahti, Prof., Aalto University, Department of Mathematics and Systems Analysis, Finland
dc.date.accessioned2023-05-24T09:00:15Z
dc.date.available2023-05-24T09:00:15Z
dc.date.defence2023-06-09
dc.date.issued2023
dc.description.abstractPeople need to make decisions under uncertainty. Both in corporate and public governance, in addition to uncertainty, the decisions can have high costs and far-reaching consequences. Thus, choosing a good decision alternative, or at least avoiding the inferior ones, is crucial. Two sources of uncertainty are especially prevalent in these decision problems: human activity and long planning horizons. In this dissertation, methods for addressing uncertainties arising from both these sources are developed. By quantifying these uncertainties as probability distributions and preferences over outcomes as utility functions, a well-defined mathematical decision problem can be constructed and then solved using optimization techniques. First, methods for adversarial risk analysis are developed to model the decision processes of adversarial actors who deliberately try to advance their own interests. The proposed methods facilitate systematic probabilistic analyses with limited knowledge about the adversary's preferences and their available information. This can be especially useful when the exact way the adversary analyzes the situation is difficult to assess or when their goals are deliberately hidden, as is often the case when analyzing military combat or security problems. The dissertation also demonstrates how combat modeling and simulation tools can be applied in adversarial risk analysis. This expands the types of analyses these tools can be used for, making it possible to answer questions such as, how the adversary's actions are impacted by changing circumstances, or how the outcomes of individual battles impact the larger strategic situation. Second, a new probabilistic cross-impact analysis model is developed to quantify uncertainties associated with future scenarios based on information elicited from subject matter experts. Two different computational approaches are presented for analyzing the elicited cross-impact statements. One takes information about upper and lower bounds on probabilities and then calculates upper and lower bounds on system risk or utility. The other takes the best estimates about probabilities of specific uncertainty factors and their interactions and constructs a joint probability distribution and a Bayesian network. These approaches can be useful when probability information based on statistics or simulations is not available, for example when results need to be produced quickly or the uncertainties are associated with relatively far-off future events or human activity.en
dc.description.abstractIhmiset joutuvat väistämättä tekemään päätöksiä epävarmuuden vallitessa. Yritysjohdossa ja julkishallinnossa moniin päätöksiin liittyy epävarmuuden lisäksi myös paljon kustannuksia ja kauaskantoisia seurauksia. Siksi hyvän päätösvaihtoehdon löytäminen, tai ainakin huonojen välttäminen, on ensiarvoisen tärkeää. Näissä konteksteissa epävarmuudet liittyvät yleisimmin joko ihmisten toiminnan tai tulevaisuuden heikkoon ennakoitavuuteen. Tässä väitöskirjassa kehitetään menetelmiä kummankinlaisten epävarmuuksien käsittelyyn. Kuvaamalla epävarmuuksia todennäköisyysjakaumilla ja seurauksien haluttavuutta hyötyfunktioilla on mahdollista rakentaa hyvin määritelty matemaattinen päätösongelma ja ratkaista se optimointimenetelmillä. Ensiksi kehitetään vastakkainasettelullisen riskianalyysin (adversarial risk analysis, ARA) menetelmiä, joiden avulla tavoitteellisten omaa etuaan ajavien vastustajien päätösprosesseja voidaan mallintaa. Kehitetyt menetelmät mahdollistavat todennäköisyyksiin pohjaavan analyysin myös silloin, kun vastustajan käytettävissä olevaa tietoa ja hänen tavoitteitaan ei tunneta hyvin. Tästä on hyötyä tilanteissa, joissa vastustajan tavat analysoida ongelmaa ovat vaikeita arvioida ja hänen tavoitteensa jopa tarkoituksellisesti hämärän peitossa, mikä on yleistä esimerkiksi sotilastoimintaa analysoitaessa. Väitöskirjassa myös näytetään, miten taistelumallinnukseen kehitetyt mallinnus- ja simulaatiotyökalut voivat toimia osana vastakkainasettelullista riskianalyysiä. Näin olemassa olevilla työkaluilla voidaan vastata uuden tyyppisiin kysymyksiin, kuten kuinka omat päätökset voivat vaikuttaa vastustajan toimintaan tai kuinka yksittäisten joukkojen kohtaamiset voivat vaikuttaa taistelun kulkuun laajemmin. Toiseksi kehitetään uusi ristivaikutusanalyysimalli (cross-impact analysis, CIA) tulevaisuuden epävarmuuksien jäsentelyyn ja ennakointiin asiantuntija-arvioiden perusteella. Näiden ristivaikutusarvioiden kanssa käytettäväksi on luotu kaksi laskennallista lähestymistapaa. Yksi käyttää arvioita todennäköisyyksien ja ristivaikutuksien ylä- ja alarajoista muodostamaan arvion koko systeemin riskistä tai odotusarvoisesta hyödystä. Toinen laskee saatavilla olevien todennäköisyys- ja ristivaikutusarvioiden perusteella yhteisjakauman eri epävarmuustekijöiden tapahtumien yhdistelmille sekä epävarmuustekijöitä kuvaavan Bayes-verkon. Tällaiset asiantuntija-arvioihin pohjaavat lähestymistavat ovat hyödyllisiä silloin, kun tilastollista tai simulointiaineistoa ei ole saatavilla. Näin voi käydä esimerkiksi silloin, kun tuloksia tarvitaan nopeasti tai kun epävarmuuksia on vaikea arvioida, koska ne liittyvät verrattain etäiseen tulevaisuuteen tai ihmisten toimintaan.fi
dc.format.extent42 + app. 84
dc.format.mimetypeapplication/pdfen
dc.identifier.isbn978-952-64-1261-0 (electronic)
dc.identifier.isbn978-952-64-1260-3 (printed)
dc.identifier.issn1799-4942 (electronic)
dc.identifier.issn1799-4934 (printed)
dc.identifier.issn1799-4934 (ISSN-L)
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/121054
dc.identifier.urnURN:ISBN:978-952-64-1261-0
dc.language.isoenen
dc.opnAbbas, Ali, Prof., University of Southern California, USA
dc.publisherAalto Universityen
dc.publisherAalto-yliopistofi
dc.relation.haspart[Publication 1]: Juho Roponen and Ahti Salo. Adversarial risk analysis for enhancing combat simulation models. Journal of Military Studies, 6(2), 82-103, December 2015. DOI: 10.1515/jms-2016-0200
dc.relation.haspart[Publication 2]: Juho Roponen, David Ríos Insua, and Ahti Salo. Adversarial risk analysis under partial information. European Journal of Operational Research, 287(1), 306-316, November 2020. Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-202006254036. DOI: 10.1016/j.ejor.2020.04.037
dc.relation.haspart[Publication 3]: Ahti Salo, Edoardo Tosoni, Juho Roponen, and Derek W. Bunn. Using cross-impact analysis for probabilistic risk assessment. Futures & Foresight Science, 4(2), e2103, September 2021. Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-202212076801. DOI: 10.1002/ffo2.103
dc.relation.haspart[Publication 4]: Juho Roponen and Ahti Salo. A probabilistic cross-impact methodology for explorative scenario analysis. Submitted to Futures & Foresight Science, December 2022
dc.relation.ispartofseriesAalto University publication series DOCTORAL THESESen
dc.relation.ispartofseries67/2023
dc.revAbbas, Ali, Prof., University of Southern California, USA
dc.revLarsson, Aron, Prof., Stockholm University and Mid-Sweden University, Sweden
dc.subject.keywordrisk analysisen
dc.subject.keywordgame theoryen
dc.subject.keyworddecision analysisen
dc.subject.keywordscenario analysisen
dc.subject.keywordcross-impact analysisen
dc.subject.keywordriskianalyysifi
dc.subject.keywordpeliteoriafi
dc.subject.keywordpäätösanalyysifi
dc.subject.keywordskenaarioanalyysifi
dc.subject.keywordristivaikutusanalyysifi
dc.subject.otherMathematicsen
dc.titleComputational models for adversarial risk analysis and probabilistic scenario planningen
dc.titleLaskennallisia malleja vastakkainasettelulliseen riskianalyysiin ja todennäköisyyspohjaiseen skenaariosuunnitteluunfi
dc.typeG5 Artikkeliväitöskirjafi
dc.type.dcmitypetexten
dc.type.ontasotDoctoral dissertation (article-based)en
dc.type.ontasotVäitöskirja (artikkeli)fi
local.aalto.acrisexportstatuschecked 2023-06-09_0927
local.aalto.archiveyes
local.aalto.formfolder2023_05_23_klo_14_47
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
isbn9789526412610.pdf
Size:
887.22 KB
Format:
Adobe Portable Document Format