[論文レビュー] Cooperative Negotiation in Autonomic Systems using Incremental Utility Elicitation

Craig Boutilier, Rajarshi Das+3 more|arXiv (Cornell University)|Oct 19, 2012

Optimization and Search Problems参考文献 10被引用数 67

ひとこと要約

本稿では、データセンターのような大規模環境においてリソースの競合を効率的に解消するため、段階的効用の特定を用いた協調的交渉フレームワークを提案する。効用関数の点をわずかなサブセットのみサンプリングすることで、最小最大の後悔基準に基づく近似的最適割り当てを達成し、全効用関数の事前計算と比較して計算コストを顕著に削減する。

ABSTRACT

Decentralized resource allocation is a key problem for large-scale autonomic (or self-managing) computing systems. Motivated by a data center scenario, we explore efficient techniques for resolving resource conflicts via cooperative negotiation. Rather than computing in advance the functional dependence of each element's utility upon the amount of resource it receives, which could be prohibitively expensive, each element's utility is elicited incrementally. Such incremental utility elicitation strategies require the evaluation of only a small set of sampled utility function points, yet they find near-optimal allocations with respect to a minimax regret criterion. We describe preliminary computational experiments that illustrate the benefit of our approach.

研究の動機と目的

• 大規模な自律的コンピューティングシステム、特にデータセンター環境における分散型リソース割り当ての課題に対処すること。
• 各システムコンponentの全効用関数を事前計算するコストが高騰する問題を克服すること。
• 完全な効用情報が事前に必要とされないスケーラブルな交渉メカニズムを構築し、協調的意思決定を可能にすること。
• 交渉中に段階的に効用値を特定することで、リソース割り当ての後悔を最小限に抑えること。
• 戦略的な効用関数点のサンプリングにより、通信および計算コストを最小限に抑えつつ、近似的最適な割り当てを達成すること。

提案手法

• 各システムコンponentあたりの効用関数点をわずかにサンプリングする段階的効用の特定を採用する。
• 不確実な効用関数に対するロバストネスを保証するため、最小最大の後悔基準を最適化の目的関数として使用する。
• エージェントが段階的に効用情報を交換し、サンプリングされたデータに基づいて割り当てを調整する協調的交渉プロ rotocol を実装する。
• 中央集権的制御なしで、相互に利益をもたらす割り当てに向かってエージェントを調整するため、ゲーム理論的モデルを活用する。
• 割り当て意思決定に最も大きな影響を与える効用関数点を優先するサンプリング戦略を適用する。
• 部分的な効用評価からのフィードバックを段階的な交渉ラウンドに統合し、近似的最適な解に収束させる。

実験結果

リサーチクエスチョン

• RQ1 全効用関数を計算するコストが高騰する状況において、自律的システムにおけるリソース割り当てをどのようにスケーラブルに実現できるか？
• RQ2 最小限の効用情報で協調的結果を達成しつつ、近似的最適性を維持する交渉戦略は何か？
• RQ3 段階的効用の特定は、分散型システムにおける計算および通信コストをどの程度削減できるか？
• RQ4 最小最大の後悔基準は、不完全な効用知識の下でどのようにロバストネスを向上させるか？
• RQ5 最小限の効用評価で、割り当て意思決定の質を最大限に高めるサンプリング戦略は何か？

主な発見

• 段階的効用の特定アプローチは、全効用関数計算と比較して顕著に計算コストを削減しつつ、近似的最適な割り当てを達成する。
• 最適解からの後悔マージンが小さい割り当てに到達するには、わずかな数のサンプリングされた効用関数点で十分である。
• 中央集権的制御が不適切な大規模システム、例えばデータセンターにおいても、本手法は優れたスケーラビリティを示す。
• 計算実験により、交渉プロ rotocol が迅速に収束し、不確実性下でも高い効率性を維持することが確認された。
• 最小最大の後悔基準により、さまざまな効用関数の形状や不完全情報のシナリオにおいても、ロバストなパフォーマンスが保証された。
• 両方の観点で、効率性と解の質の両面で、全またはヒューリスティックな効用関数仮定に依存するベースライン手法を上回った。