[論文レビュー] DCOOL-NET: Distributed cooperative localization for sensor networks

Cláudia Soares, João Xavier+1 more|arXiv (Cornell University)|Nov 30, 2012

Indoor and Outdoor Localization Technologies参考文献 24被引用数 3

ひとこと要約

DCOOL-NET は、ノイズの多い距離測定値から非凸最適化問題を解くために、主に凸マジョライズド・フレームワーク内に新規の凸マジョライザーを用いた分散型・並列型協調位置決定アルゴリズムである。ADMM と Nesterov の勾配法を組み合わせることで、効率的で低複雑度の分散最適化を実現し、最新の非並列手法と同等またはそれ以上の位置決定精度を達成する。

ABSTRACT

We present DCOOL-NET, a scalable distributed in-network algorithm for sensor network localization based on noisy range measurements. DCOOL-NET operates by parallel, collaborative message passing between single-hop neighbor sensors, and involves simple computations at each node. It stems from an application of the majorization-minimization (MM) framework to the nonconvex optimization problem at hand, and capitalizes on a novel convex majorizer. The proposed majorizer is endowed with several desirable properties and represents a key contribution of this work. It is a more accurate match to the underlying nonconvex cost function than popular MM quadratic majorizers, and is readily amenable to distributed minimization via the alternating direction method of multipliers (ADMM). Moreover, it allows for low-complexity, fast Nesterov gradient methods to tackle the ADMM subproblems induced at each node. Computer simulations show that DCOOL-NET achieves comparable or better sensor position accuracies than a state-of-art method which, furthermore, is not parallel.

研究の動機と目的

• 中央集権型センサネットワーク位置決定のスケーラビリティとエネルギー効率の限界を克服し、完全に分散型でネットワーク内計算を実現すること。
• データバッファのボトルネックや中央集権アーキテクチャに内在する単一障害点のリスクを回避する、スケーラブルで並列処理可能な協調位置決定アルゴリズムの開発。
• 距離ベースの非凸最適化設定におけるノイズの影響を軽減し、最適化に適したタイトな凸マジョライザーを導入することで、位置決定精度の向上。
• ADMM に基づく分散最適化と組み合わせた Nesterov 勾配法の統合により、各ノードで低複雑度かつ高速収束を実現すること。

提案手法

• 本アルゴリズムは、センサネットワーク位置決定問題の最尤推定式に主に凸マジョライズド（MM）フレームワークを適用したものである。
• 従来の二次マジョライザーと比較して、精度と構造的優位性を示す、新たな凸マジョライザー関数が導入されている。
• このマジョライザーは、隣接ノード間の単一ホップ通信に限定して、交替方向乗数法（ADMM）による分散最小化に適しているように設計されている。
• 各ノードにおける ADMM の部分問題は、高速勾配 Nesterov 法を用いて効率的に解かれており、反復ごとの計算複雑度が低減されている。
• 本アルゴリズムは完全に分散型に動作し、ノード同士が直接隣接ノードとのみ通信するため、中央集権的な統合ノードの必要性がなくなる。
• 本手法は、MM フレームワークが有する収束安定性を引き継ぎ、反復毎にコスト関数が単調に減少することが保証される。

実験結果

リサーチクエスチョン

• RQ1 分散型・並列型協調位置決定アルゴリズムは、計算複雑度を低く保ちつつ、従来の非並列手法よりも高い精度を達成できるか？
• RQ2 距離ベースのセンサ位置決定における非凸コスト関数をタイトに近似できる凸マジョライザーは、どのように設計できるか？
• RQ3 提案されたマジョライザーは、ADMM を用いた効率的で分散型の最適化を可能にするとともに、高速な局所ソルバーをサポートできるか？
• RQ4 標準的な二次マジョライザーと比較して、新規マジョライザーは位置決定精度と収束速度の面でどの程度の性能向上をもたらすか？

主な発見

• DCOOL-NET は、非並列型でありスケーラビリティに劣る最新の分散型アルゴリズムと同等またはそれ以上のセンサ位置精度を達成している。
• 提案された凸マジョライザーは、従来の二次マジョライザーと比較して、非凸コスト関数に対する近似が著しくタイトになっており、最適化精度が向上している。
• 本アルゴリズムは、単一ホップの隣接ノード通信のみに依存して、センサノード全体で完全に並列かつ分散型の計算を実現しており、スケーラビリティと耐障害性が向上している。
• Nesterov 勾配法と ADMM の部分問題を統合することで、低複雑度かつ高速な局所更新が可能となり、収束速度が向上している。
• コスト関数は反復毎に単調に減少し、MM フレームワークが有する安定した収束行動が保証されている。