Decision-Focused Continual Learning for Seaport Power-Logistics Scheduling: Generalization across Varying Tasks

Definición del Problema

Los puertos modernos operan como Sistemas de Potencia–Logística (PLS, por sus siglas en inglés) donde la adquisición de energía y las operaciones logísticas (por ejemplo, el atraque de buques, la programación de grúas de muelle) se co-optimizan. La práctica industrial predominante sigue un flujo de predicción-luego-optimización: los modelos de pronóstico predicen la carga neta y los precios de la electricidad, que luego se introducen en un programador de optimización.

El artículo identifica una limitación crítica en los enfoques actuales de Aprendizaje Enfocado en la Decisión (DFL). Mientras que el DFL alinea el entrenamiento de pronósticos con los resultados de las decisiones de downstream (minimizando el arrepentimiento operativo en lugar del error estadístico como el MSE), el DFL estándar es inherentemente específico para cada tarea. En las operaciones portuarias, la estructura de la tarea de optimización evoluciona dinámicamente con las llegadas de los buques. Cada nueva configuración de llegada introduce distintas restricciones, dimensiones de variables de decisión y geometrías de regiones factibles. En consecuencia, un modelo DFL entrenado en una configuración de tarea específica no logra generalizarse a nuevas estructuras de tareas no vistas, lo que conduce a una degradación del rendimiento cuando se aplica secuencialmente a escenarios operativos en evolución.

Metodología

Los autores proponen un marco de Aprendizaje Continuo Enfocado en la Decisión (DFCL) diseñado para adaptarse en línea a un flujo de tareas de programación variables sin olvido catastrófico ni la necesidad de repetición de datos (data replay).

1. Formulación del Problema:
El marco trata el problema de programación como un flujo de tareas $\{\tau_1, \dots, \tau_K\}$. El objetivo es aprender los parámetros de pronóstico $\Theta$ que minimicen el arrepentimiento acumulado en todas las tareas encontradas. El arrepentimiento se define como la diferencia entre el costo real incurrido utilizando las predicciones y el costo alcanzable con previsión perfecta.

2. Regularización Basada en la Información de Fisher:
Para evitar el olvido del conocimiento de tareas anteriores mientras se adapta a nuevas tareas, los autores derivan un método de regularización inspirado en la Consolidación de Pesos Elásticos (EWC).

• Suposición de Pseudo-Verosimilitud: Asumen que la pérdida de arrepentimiento induce una pseudo-verosimilitud de tipo Gibbs.
• Aproximación de Laplace: La distribución posterior de los parámetros de las tareas previas se aproxima como una distribución Gaussiana.
• Curvatura tipo Fisher: La matriz de precisión de esta Gaussiana se aproxima utilizando la matriz de información de Fisher empírica, calculada como el producto exterior de los gradientes de arrepentimiento.
• Función Objetivo: El objetivo de aprendizaje para una nueva tarea $k$ minimiza el arrepentimiento de la tarea actual más un término de penalización cuadrática: $\lambda (\Theta - \Theta^*_{k-1})^\top \Lambda_{k-1} (\Theta - \Theta^*_{k-1})$. Esto restringe las actualizaciones a los parámetros críticos para las tareas previas.

3. Flujo de Trabajo Diferenciable de Extremo a Extremo:
Un desafío importante es que el problema de programación PLS involucra restricciones de enteros mixtos (decisiones discretas para la asignación de buques y programación de grúas), lo que lo hace no diferenciable.

• Modelo Sustituto: Los autores introducen un sustituto convexo diferenciable basado en una regresión de K-Vecinos Más Cercanos (KNN). Este modelo predice las variables logísticas discretas (potencia de la grúa de muelle y asignación de buques) basándose en los pronósticos previos.
• Convexificación: Al fijar estas variables discretas predichas, el problema de programación restante se convierte en un problema de Programación Lineal (LP) convexo.
• Diferenciación Implícita: Los gradientes de la pérdida de arrepentimiento con respecto a los parámetros de pronóstico se calculan diferenciando a través de la capa de optimización convexificada mediante diferenciación implícita (vía condiciones KKT).

Contribuciones Clave

1. Marco Novedoso: El artículo propone el primer marco de predicción-luego-optimización adaptable a tareas para la programación PLS que permite el aprendizaje continuo de modelos de pronóstico alineados con la decisión sobre un flujo ilimitado de tareas.
2. Mecanismo de Regularización: Introduce un método de regularización basado en la información de Fisher que mejora la generalización entre tareas sin la carga computacional prohibitiva de la repetición de datos históricos o el reentrenamiento de tareas pasadas.
3. Flujo de Trabajo Diferenciable: Desarrolla un flujo de trabajo de aprendizaje de extremo a extremo que utiliza un sustituto diferenciable para convexificar el problema de programación de enteros mixtos embebido, estabilizando la retropropagación de gradientes mediante diferenciación implícita.

Resultados Experimentales

El método fue evaluado utilizando un benchmark calibrado para Jurong Port, Singapur, combinando datos reales de llegada de buques con datos sintéticos de carga y precios. Se crearon seis escenarios de tareas distintas para simular patrones evolutivos de llegada de buques.

• Rendimiento vs. Baselines: El DFCL (EWC) propuesto superó consistentemente a:
  • Aprendizaje de Base Estadística (SBL): Que minimiza el MSE pero ignora el valor de la decisión.
  • DFL Específico de Tarea: Que falla al generalizarse a nuevas estructuras de tareas.
  • DFL Continuo Naive (Adam): Que sufre de olvido catastrófico.
  • DFL Continuo de Congelación (Adam-F): Que ofrece una adaptabilidad limitada.
• Métricas: El DFCL logró el menor arrepentimiento acumulado y la menor razón de arrepentimiento (RR) a través del flujo de tareas. Redujo el arrepentimiento acumulado hasta en un 2.5% y la medida de olvido (FM) hasta en un 27.7% en comparación con el aprendizaje continuo ingenuo.
• Generalización: El modelo mantuvo un bajo arrepentimiento en las tareas anteriores incluso después de aprender tareas posteriores estructuralmente diferentes, demostando una robusta generalización entre tareas.
• Eficiencia: El DFCL demostró costos computacionales y de memoria acotados. A diferencia del aprendizaje multitarea o el reentrenamiento por tarea, el tiempo de entrenamiento y la huella de memoria del DFCL se mantuvieron casi constantes a medida que aumentaba el número de tareas, evitando la necesidad de almacenar datos históricos o múltiples modelos.
• Sensibilidad: El método se mantuvo robusto ante actualizaciones en tiempo real imperfectas y mostró un rendimiento estable a través de diferentes secuencias de orden de tareas.

Significancia y Reivindicaciones

El artículo afirma que el marco DFCL propuesto aborda un vacío específico en la literatura de sistemas de energía: la incapacidad de los métodos actuales enfocados en la decisión para manejar estructuras de tareas en evolución, comunes en la logística real.

• Practicidad: El enfoque permite a los operadores portuarios mantener decisiones de programación de alta calidad bajo condiciones operativas cambiantes (por ejemplo, variaciones en el tamaño de la flota y perfiles de carga) sin la carga computacional de reentrenar modelos personalizados para cada nuevo escenario.
• Ventaja Relativa: Los autores afirman modestamente que los resultados demuestran ganancias relativas bajo cambios controlados de la estructura de la tarea utilizando un benchmark de fuentes mixtas. No pretenden que el conjunto de datos ensamblado reproduzca perfectamente todas las condiciones específicas del mercado de Singapur, sino que argumentan que la ventaja algorítmica en el manejo de variaciones estructurales de las tareas es la contribución principal.
• Trabajo Futuro: El artículo señala que la validación futura debería involucrar conjuntos de datos de puertos geográficamente co-localizados y extensiones a la programación correctiva de horizonte rodante o de múltiples etapas con recurso parcial.