...

次数制約付き最小生成木問題への 分散協調探索手法の適用

by user

on
Category: Documents
17

views

Report

Comments

Transcript

次数制約付き最小生成木問題への 分散協調探索手法の適用
平成 23 年度創成シミュレーション工学専攻修士論文梗概集
計算システム分野
次数制約付き最小生成木問題への
分散協調探索手法の適用
学籍番号 22413508
氏名 伊藤 翼
指導教員 松尾啓示 教授
松井俊浩 准教授
1 はじめに
通信網を介する分散協調システムでは,
通信や競合
ている.
このフィーダ木の構築に類似した形式化と,
DPOP を応用したボトムアップな解法を,より一般的
解決,各ノードの能力を考慮したデータの同期が必
な木の構築問題である d-MST 問題に適用可能である.
要となる.そこで,次数制約付き最小生成木(d-MST:
4 分散 d-MST 問題の形式化
Degree-Constrained Minimum Spanning Tree) が重
d-MST 問題を各エージェントに変数と評価関数が
要な概念として研究されている.d-MST 問題の多く
分散して配置された分散d-MST 問題として形式化す
の集中的な解法が提案されているが,近年,非集中
る.その構成要素と制約は以下の通りである.
型システムが増加傾向にあるため,本研究ではマル
. 𝑛個のエージェント集合𝐴 = {𝑖|𝑖 = 0,1, … , 𝑛 − 1}
チエージェントの分散協調問題の枠組みで d-MST 問
題を形式化し,分散協調探索手法を提案する.
2 次数制約付き最小生成木(d-MST)問題
次数制約付き最小生成木問題では,
入力として重み
付き無向グラフ𝐺 = (𝑉, 𝐸, 𝑐)と,各頂点の次数𝑑(𝑖)
に対し,次数の制限数𝑏𝑖 が与えられる.このとき,
各頂点𝑖の次数を𝑑 𝑇 (𝑖)とするとき,𝑑 𝑇 (𝑖) < 𝑏𝑖 を満
たし,閉路を含まず,かつ,∑(𝑖,𝑗)∈𝐸𝑇 𝑐(𝑖, 𝑗)を最小化
各エージェント𝑖の変数𝑥𝑖 (辺の選択を表す)
. 各エージェント𝑖の隣接エージェント集合𝑁𝑏𝑟𝑖
. 変数𝑥𝑖 の値域𝐷𝑖 (𝐷𝑖 = 𝑁𝑏𝑟𝑖 ⋃{∅})
. 各エージェント𝑖の評価関数fi (𝑖)
𝑐(𝑖, 𝑥𝑖 )
fi (𝑖) = { 0
∞
𝑖 ≠ 𝑥𝑥 𝑖
𝑥𝑖 = ∅
(1)
otherwise(制約違反)
する連結無向成分が d-MST である.
. 木制約: 連結かつ閉路がない生成木である.
. 次数制約: ∀𝑖 ∈ 𝐴に対して,𝑑 𝑇 (𝑖) < 𝑏𝑖 を満たす.
3 関連研究
この形式化においては,各エージェント𝑖の変数𝑥𝑖 の
3.1 d-MST 問題の解法
値域𝐷𝑖 は接続すべき近傍エージェント集合と空集
Prim のアルゴリズムを d-MST 問題の解法として拡
合の和𝑁𝑏𝑟𝑖 ⋃{∅}となる.エージェント𝑖がこの変数
張した d-Prim が提案されている.Prim のように任
𝑥𝑖 の値を決定するとき,d-MSTの辺として辺(𝑖, 𝑥𝑖 )を
意の単一頂点のみを含む部分木からから処理を開始
選択することを表す.𝑥𝑖 = ∅のときエージェント𝑖は
する.部分木に属する頂点と,属さない頂点を繋ぐ
辺を選択しないことを表す.ある1 つのエージェン
辺のコストが最小で,かつ次数制約を満たす頂点を
トが辺を選択せず,それ以外の𝑛 − 1のエージェン
部分木追加していく.最終的に全ての頂点を追加し
トが辺を選択するとき,全てのエージェントの変数
たとき,d-MST の近似解を得る.
値の組み合わせは生成木を表す.木制約と次数制約
を満たし,min{∑𝑖∈𝐴𝑇 𝑓𝑖 (𝑖)}を満たす木を目的とする.
3.2 電力網の経路割り当て問題
分散制約最適化問題を電力網の経路割り当て問題
fi (𝑖)は式(1)のように評価される.
に適用する手法が提案されている.
電力網において,
5 提案手法 --分散協調探索手法--
全ての電力消費に対して配電線の最大容量を違反し
5.1 dd-mst(厳密解法)
ないように電力を供給するために,電力源を根とす
各エージェントがメッセージ交換を伴う協調探索
る生成木であるフィーダ木を構築する.木は有向辺
を行いd-MST 問題の厳密解を求めるdd-mstを提案す
の情報を持つ供給元変数で表現される.また,分散
る.まず,順序木を構築し,各エージェントの計算
制約最適化問題に対する厳密解法である DPOP アル
順序を得る.次に順序木に沿って,部分木集合をボ
ゴリズムに,資源制約の評価を追加した解法を用い
トムアップに集計していく.各エージェントは全て
平成 23 年度創成シミュレーション工学専攻修士論文梗概集
計算システム分野
表1: 解の質とサイクル数
の子のエージェントから受信する部分木集合の部分
木と自身の変数値より決定する辺の候補との組み合
わせを計算し,新たな部分木集合を生成して,親の
エージェントに送信する.根のエージェントは集計
された部分木集合から最適解を計算し,全てのエー
ジェントに最適解を伝播させる.
5.2 dd-mst の探索空間を削減する近似解法
dd-mstは制約による解候補の除去が不十分であれ
ば,最悪の場合,探索すべき組み合わせは。∏𝑖∈𝐴 |𝐷𝑖 |
表2: 異なる部分木の制限数による探索
となる.従って,各エージェントの記憶容量や計算
量を考慮し,部分解の容量を制限することが望まし
い.そこで,dd-mstの部分木の数に制限数𝑘を設け,
部分木の特徴に基づく優先探索を用いて組み合わせ
の切り捨てを行う近似解法を提案する.
5.2.1 総コスト値に基づく優先探索
各エージェントの計算する部分木の総コストに基
セージを受信し,処理,送信する一連の動作の単位
づく優先探索による組み合わせ削減手法である.あ
である.組み合わせ数とは各エージェントの保持す
る部分木𝑇𝐴 が,別の部分木𝑇𝐵 よりも優先されるとき,
る部分木の平均数である.
総コスト𝑄𝑇𝐴 ,𝑄𝑇𝐵 と辺数|𝐸𝑇𝐴 |,|𝐸𝑇𝐵 | に対し,
表1から,
厳密解法であるdd-mstの誤差は常に0とな
𝑄𝑇𝐴 /𝐸𝑇𝐴 < 𝑄𝑇𝐵 /𝐸𝑇𝐵 のように比較される.
るため,最も解の質が高いことがわかる.しかしな
5.2.2 次数に基づく優先探索
がら,計算量が多いため「-」で示されるように現実
各エージェントの計算する部分木の次数の余剰数
的な時間で解が得られない場合がある.dd-mst-tc
の最小値に基づく優先探索による組み合わせ削減手
と dd-mst-tcmdeg は , い ず れ の𝑛 に お い て も ,
法である.次数の余剰数とは,頂点𝑖の次数制約𝑏𝑖 と
dd-primよりも小さい誤差を実現できた.従って,探
次数𝑑(𝑖)の差𝑏𝑖 − 𝑑(𝑖)である.ある部分木𝑇𝐴 が,別
索空間の規模を小さく抑えつつ,ある程度の解の質
の部分木𝑇𝐵 よりも優先されるとき,次数の余剰数の
を保つ手法の適用の有効性を示すことができた.そ
集 合 𝑅(𝑇𝐴 ),𝑅(𝑇𝐵 ) に 対 し , 𝑚𝑖𝑛{𝑅(𝑇𝐴 )} >
𝑚𝑖𝑛{𝑅(𝑇𝐵 )}のように比較される.
の一方で,表2から,𝑘の値を減少させると,誤差と
6 実験・評価
せると,最適値に近付けることが可能である.従っ
各手法を実験により比較、評価した.グラフの辺に
割り当てるコスト値の種類は,一様分布に従う10か
ら100の整数値とする.エージェント数𝑛は10から30,
実行不可能解の数が増加し,反対に𝑘の値を増加さ
て,解く問題の規模や各エージェントの能力に見合
った𝑘の値の設定が非常に重要であると考える.
また,表1から,サイクル数はdd-mstに関する2手法
次数制約は全て3とし,
10個の問題を解いた解に関す
がdd-primよりも常に少ない.
これは順序木に沿った
る各評価指標の平均値を評価する.評価対象は
1往復のメッセージ伝播のみを行うためである.
ただ
d-Primを分散処理化したdd-prim,5.1で述べた
し、なるべく小さいk を用いなければ、1 メッセー
dd-mst,5.2.1で述べたdd-mst-tc,5.2.1と5.2.2の
ジあたりの通信時間は大きくなる.
優先探索を組み合わせたdd-mst-tcmdegである.
解の
7 まとめ
質とサイクル数に関する結果を表1に示す.制限数𝑘
本研究では,分散協調問題の枠組みで,d-MST問題
は実行不可能解の数が0となる30,000に設定する.
ま
を形式化し,分散協調探索手法を提案した.部分木
た,異なる制限数𝑘を用いたときの結果を表2に示す.
の辺の総コストと次数の余剰数に基づく優先探索を
誤差とは,
各手法で得たd-MSTの辺の総コストと最適
用いて部分木の切り捨てる近似解法では,探索空間
値との差である.サイクルとはエージェントがメッ
を削減しつつ,一定の解の質を得ることができた.
Fly UP