[論文レビュー] Constant Factor Time Optimal Multi-Robot Routing on High-Dimensional Grids in Mostly Sub-Quadratic Time

Jingjin Yu|arXiv (Cornell University)|Jan 31, 2018

Optimization and Search Problems参考文献 37被引用数 3

ひとこと要約

本稿では、最大のロボット密度を伴う高次元グリッド上での時間最適なマルチロボットルーティングのための2つのアルゴリズム、i SaG および PartitionAndFlow (PaF) を提案する。i SaG は、主に準2乗時間で平均ケースにおいて定数倍時間最適性を達成するが、PaF は任意の固定次元 $k \geq 2$ に対して、$O(d_g)$ のマケスパンと $o(|V|^2)$ の実行時間で、最悪ケースにおいても定数倍時間最適性を保証する。これは高度なマッチングおよびフロー分解技術を活用することで実現される。

ABSTRACT

Let $G = (V, E)$ be an $m_1 imes \ldots imes m_k$ grid. Assuming that each $v \in V$ is occupied by a robot and a robot may move to a neighboring vertex in a step via synchronized rotations along cycles of $G$, we first establish that the arbitrary reconfiguration of labeled robots on $G$ can be performed in $O(k\sum_i m_i)$ makespan and requires $O(|V|^2)$ running time in the worst case and $o(|V|^2)$ when $G$ is non-degenerate (in the current context, a grid is degenerate if it is nearly one dimensional). The resulting algorithm, iSAG, provides average case $O(1)$-approximate (i.e., constant-factor) time optimality guarantee. When all dimensions are of similar size $O(|V|^{\frac{1}{k}})$, the running time of iSAG approaches a linear $O(|V|)$. Define $d_g(p)$ as the largest distance between individual initial and goal configurations over all robots for a given problem instance $p$, building on iSAG, we develop the PartitionAndFlow (PAF) algorithm that computes $O(d_g(p))$ makespan solutions for arbitrary fixed $k \ge 2$, using mostly $o(|V|^2)$ running time. PAF provides worst case $O(1)$-approximation regarding solution time optimality. We note that the worst case running time for the problem is $Ω(|V|^2)$.

研究の動機と目的

• 高次元グリッド上での最大ロボット密度を伴う時間最適なマルチロボットルーティングアルゴリズムの開発。
• 平均ケースにおいて定数倍時間最適性を維持しながら、準2乗時間以下の実行時間の達成。
• 新しいフローベースのルーティング戦略を用いて、最悪ケースにおける時間最適性の保証を拡張すること。
• グリッドの次元数およびロボットの移動距離に伴い良好にスケーリングする効率的なアルゴリズムの提供。
• 自動化された倉庫やコンテナターミナルなどの高密度ロボットシステムにおける実用的導入を可能にすること。

提案手法

• i SaG は、二部マッチングに基づくシャッフル手順を用いて、グリッド全体にわたるラベルなしロボットの再配置を実現し、効率的な再構成を可能にする。
• アルゴリズムは、マッチングに基づく手法を用いてロボットフローをユニット循環に分解し、効率的なフロールーティングを可能にする。
• PaF は i SaG をサブルーチンとして活用し、直交する次元に沿ってフローサイズを再帰的に剥がし・積み重ねることで、フローを再形状する。
• 主グリッドの面間での安全なフローの再形状とルーティングを実現するために、$[6d_g]^k$ のサイズを持つ補助グリッドを用いる。
• 重要な要素として、$\Theta(d_g)^k$ グリッド内に $\Omega(d_g^{k-1})$ 個の頂点素性パスを用いることで、高スループットのフロールーティングを実現する。
• PaF は最大フローアルゴリズムを用いてグローバルなルーティング計画を計算し、時間計算量は $O(d_g^k |V|)$ に支配される。

実験結果

リサーチクエスチョン

• RQ1 高次元グリッド上では、主に準2乗時間で時間最適なマルチロボットルーティングを達成できるか？
• RQ2 実行時間を $O(|V|^2)$ 未満に抑える中で、最悪ケースにおいても定数倍時間最適性を維持することは可能か？
• RQ3 複数の次元にわたる効率的なフロー再形状は、どのように実現可能か？ これにより高スループットのルーティングが可能になるか？
• RQ4 頂点素性パス構造は、高次元グリッド上での効率的ルーティングを実現するために果たす役割は何か？
• RQ5 このアルゴリズムフレームワークは、他のグリッド型または連続的ロボット設定へ一般化可能か？

主な発見

• i SaG は、非退化グリッドでは $o(|V|^2)$ の実行時間で平均ケースにおいて $O(1)$-近似の時間最適性を達成し、最悪ケースでは $O(|V|^2)$ となる。
• すべての次元が $O(|V|^{1/k})$ のサイズである場合、i SaG の実行時間は線形時間 $O(|V|)$ に近づく。
• PaF は任意の固定次元 $k \geq 2$ に対して、$O(d_g(p))$ のマケスパンで解を計算し、最悪ケースにおいても $O(1)$-近似の時間最適性を保証する。
• PaF は $O(d_g^k |V|)$ の時間で実行され、$d_g = o(|V|^{1/k})$ の場合、$|V|$ に対して準2乗時間以下となり、最悪ケースでは $O(|V|^2)$ となる。
• 本アルゴリズムは、$\Theta(d_g)^k$ グリッド内に $\Omega(d_g^{k-1})$ 個の頂点素性パスが存在することを確立し、効率的なフロールーティングを可能にする。
• 本フレームワークは、拡張とグリッド整列を用いて連続的設定へ拡張可能であり、円形ロボットに対して $O(1)$-近似保証を維持する。