[論文レビュー] A Super-Polynomial Lower Bound for the Parity Game Strategy Improvement Algorithm as We Know it

Oliver Friedmann|ArXiv.org|Jan 18, 2009

Artificial Intelligence in Games参考文献 11被引用数 9

ひとこと要約

本論文は、2次関数的辺数を持つパリティゲームの族を提示し、Vöge-Jurdziñskiの戦略改善アルゴリズムが指数的回数の反復を必要とすることを示し、最悪ケースにおいて多項式時間より長い時間を要することを証明している。この構成により、局所最適化の改善方針ですら、これらのインスタンスにおいては多項式時間性能を達成できないことが示され、長年の未解決であったアルゴリズムの計算量に関する根本的問題が解決された。

ABSTRACT

This paper presents a new lower bound for the discrete strategy improvement algorithm for solving parity games due to Voege and Jurdziski. First, we informally show which structures are difficult to solve for the algorithm. Second, we outline a family of games of quadratic size on which the algorithm requires exponentially many strategy iterations, answering in the negative the long-standing question whether this algorithm runs in polynomial time. Additionally we note that the same family of games can be used to prove a similar result w.r.t. the strategy improvement variant by Schewe.

研究の動機と目的

• Vöge-Jurdziñskiの戦略改善アルゴリズムが多項式時間で動作するかどうかという長年の未解決問題を解明すること。
• このアルゴリズムが指数的回数の戦略反復を強いられるパリティゲームの族を構築すること。
• このアルゴリズムの最悪ケース計算量が、理論的価値が非常に高いにもかかわらず、超多項式的であることを示すこと。
• 同じゲーム族を用いて、Scheweのグローバル最適化変種に対しても結果を拡張すること。
• 戦略改善アルゴリズムが多項式時間パリティゲーム解法の有力候補であると仮定することを挑戦すること。

提案手法

• O(n)個のノードとO(n^2)個の辺を持つパリティゲームの族Gnを構築し、効率的な戦略改善を妨げる構造を持つように設計する。
• 複数の戦略サブコンポーネントにまたがるネストされた状態遷移を伴う複雑な戦略反復プロセスを定義する。
• 局所的価値関数の増加に基づいて戦略を更新する局所最適化改善方針を採用する。
• ゲーム構造に対する帰納的推論を用いて、各反復が最適戦略への到達に最小限の進歩しかもたらさないことを証明する。
• 戦略状態の系列を分析し、収束までに13×2^n - 9個の異なる戦略を経由することを示す。
• PGSOLVERプラットフォームを用いた実験的ベンチマークにより理論的予測を検証し、これらのインスタンスで指数的実行時間が確認された。

実験結果

リサーチクエスチョン

• RQ1 Vöge-Jurdziñskiの戦略改善アルゴリズムは、すべてのパリティゲームを多項式時間で解けるか？
• RQ2 特定のゲーム構造は、このアルゴリズムが指数的回数の反復を必要とするように強制できるか？
• RQ3 同様の下界は、Scheweのグローバル最適化戦略改善変種に対しても成り立つか？
• RQ4 事前処理技術やハイブリッドソルバは、これらの最悪ケースインスタンスにおける指数的挙動を緩和できるか？
• RQ5 戦略更新メカニズムの構造的制限により、戦略改善は根本的に多項式時間性能を達成できないのか？

主な発見

• Vöge-Jurdziñskiの戦略改善アルゴリズムは、構築されたゲーム族Gnを解くために正確に13 × 2^n - 9回の反復を要する。
• ゲーム族GnはO(n)個のノードとO(n^2)個の辺を有し、ノード数に対して2次関数的サイズである。
• 各反復が多項式時間で実行可能であり、反復回数がnに関して指数的であるため、最悪ケースでの実行時間は超多項式的である。
• 同様の指数的下界は、同じゲーム族に対してScheweのグローバル最適化戦略改善変種にも適用可能である。
• PGSOLVERプラットフォームでの実験的ベンチマークにより、これらのインスタンスで指数的実行時間挙動が確認された。
• この結果は、局所的またはグローバルな改善方針のみを用いても、戦略改善アルゴリズムが多項式時間に改良できないこと、特に利益をもたらす部分構造の更新方法に構造的制限があることが示された。