[論文レビュー] A Submodularity-Based Approach for Multi-Agent Optimal Coverage Problems

Xinmiao Sun, Christos G. Cassandras+1 more|arXiv (Cornell University)|Aug 14, 2017

Distributed Control Multi-Agent Systems参考文献 20被引用数 3

ひとこと要約

本稿では、障害物を有する環境におけるマルチエージェント最適カバレッジ問題を、部分的劣微分性に基づく手法で解決する。カバレッジ目的関数の単調な部分的劣微分性を活用し、グリーディアルゴリズムによりグローバル最適解の 1−1/e 以内の解を保証する。さらに、全曲率と基本的曲率を用いてより鋭い下界を導出し、センシング能力に応じて相補的な性質を持つ。グリーディ解を勾配ベース最適化と組み合わせることで、既存手法を上回る性能を達成する。

ABSTRACT

We consider the optimal coverage problem where a multi-agent network is deployed in an environment with obstacles to maximize a joint event detection probability. The objective function of this problem is non-convex and no global optimum is guaranteed by gradient-based algorithms developed to date. We first show that the objective function is monotone submodular, a class of functions for which a simple greedy algorithm is known to be within 0.63 of the optimal solution. We then derive two tighter lower bounds by exploiting the curvature information (total curvature and elemental curvature) of the objective function. We further show that the tightness of these lower bounds is complementary with respect to the sensing capabilities of the agents. The greedy algorithm solution can be subsequently used as an initial point for a gradient-based algorithm to obtain solutions even closer to the global optimum. Simulation results show that this approach leads to significantly better performance relative to previously used algorithms.

研究の動機と目的

• 障害物を有するマルチエージェント最適カバレッジ問題における非凸的で局所最適な解の課題に対処すること。
• 連合イベント検出確率目的関数が単調部分的劣微分的であることを確立し、グリーディアルゴリズムによる性能保証を可能とすること。
• 目的関数の全曲率と基本的曲率を用いて、グローバル最適解のより鋭い下界を導出すること。
• 連続空間におけるグリーディ初期化の改善を図るハイブリッドグリーディ-勾配アルゴリズムを開発すること。
• シミュレーションを通じて、提案手法が既存のオンラインおよびオフラインアルゴリズムを上回るカバレッジ性能を示すこと。

提案手法

• エージェントが有限な実行可能位置の集合に制限されたマルチエージェントカバレッジ問題を定式化し、部分的劣微分性解析を可能にする。
• 連合検出確率目的関数が単調部分的劣微分的であることを証明し、1−1/e の近似保証を持つグリーディアルゴリズムの適用を可能にする。
• 目的関数の全曲率と基本的曲率を用いて、2つのより鋭い下界を導出する。これらは異なるセンシング能力において相補的である。
• エージェントのセンシング範囲に応じて、より鋭い方の曲率に基づく下界を選択し、近似的に最適な性能保証を確保する。
• グリーディ解を初期点として、分散型勾配ベースアルゴリズムを用いて連続空間における位置を精緻化する。
• グリーディステップと勾配ステップを統合し、高品質な解への収束を向上させるグリーディ-勾配アルゴリズム（GGA）を構築する。

実験結果

リサーチクエスチョン

• RQ1 マルチエージェントカバレッジ問題における連合検出確率が単調部分的劣微分的であることを示せるか。これにより、グリーディ選択による性能保証が可能になるか。
• RQ2 全曲率と基本的曲率という曲率情報は、標準的な 1−1/e 保証を上回るより鋭い下界を導出するためにどのように活用できるか。
• RQ3 全曲率と基本的曲率に基づく性能保証は、エージェントのセンシング能力に関して相補的か。
• RQ4 グリーディ初期化と勾配ベースの精緻化を組み合わせることで、単独の手法に比べてカバレッジ性能が向上するか。
• RQ5 提案されたグリーディ-勾配アルゴリズムは、障害物を有する複雑なミッション空間において、より良い収束性と解品質を達成できるか。

主な発見

• 連合検出確率目的関数が単調部分的劣微分的であることが証明され、グリーディアルゴリズムによる 1−1/e の近似保証が可能である。
• 全曲率と基本的曲率を用いて2つのより鋭い下界が導出され、これらは問題の目的関数に対して明示的に計算可能である。
• 全曲率と基本的曲率の下界の鋭さは相補的である：弱いセンシング条件下では一方が鋭く、強いセンシング条件下では他方が鋭くなる。これにより、エージェントの能力にかかわらず近似的に最適な保証が得られる。
• シミュレーション結果から、グリーディ-勾配アルゴリズム（GGA）は既存手法を著しく上回るカバレッジ性能を達成しており、多様なミッション空間においてH(s)値が一貫してベンチマークを上回っている。
• 障害物のない環境および迷路型環境では、GGAは最大2583.5（H(s)）のカバレッジ値を達成し、最良の代替手法を大きく上回っている。
• 提案手法は古典的な 1−1/e の理論的最適性ギャップを上回り、曲率に基づく下界は有利なセンシング条件下で1に近づく。