[論文レビュー] Distributed Resource Allocation for Epidemic control

Chinwendu Enyioha, Ali Jadbabaie+2 more|arXiv (Cornell University)|Jan 8, 2015

Distributed Control Multi-Agent Systems参考文献 26被引用数 11

ひとこと要約

本稿では、有向で重み付きのネットワークにおける疫病の広がりを制御するため、D-ADMMを用いた分散型リソース割り当てフレームワークを提案する。問題を、ペロン＝フロベニウス固有値に基づくスペクトル制約を含む幾何プログラミングとして定式化することで、各エージェントは隣接エージェントとの通信により局所的投資を計算し、中央集権的な計画者なしで、集中型解へのグローバル収束を達成する。

ABSTRACT

We present a distributed resource allocation strategy to control an epidemic outbreak in a networked population based on a Distributed Alternating Direction Method of Multipliers (D-ADMM) algorithm. We consider a linearized Susceptible- Infected-Susceptible (SIS) epidemic spreading model in which agents in the network are able to allocate vaccination resources (for prevention) and antidotes (for treatment) in the presence of a contagion. We express our epidemic control condition as a spectral constraint involving the Perron-Frobenius eigenvalue, and formulate the resource allocation problem as a Geometric Program (GP). Next, we separate the network-wide optimization problem into subproblems optimally solved by each agent in a fully distributed way. We conclude the paper by illustrating performance of our solution framework with numerical simulations.

研究の動機と目的

• 大規模でネットワーク化された集団における疫病の拡大を、中央の社会的計画者なしで制御する課題に対処すること。
• 各エージェントが自らのワクチンおよび救命薬への最適投資を計算できる、完全に分散型の最適化フレームワークを開発すること。
• ネットワークの隣接行列および感染パラメータに関するスペクトル制約を満たすことで、グローバルな疫病制御を保証すること。
• 隣接エージェントとの局所的計算を通じて、集中型最適解への収束を達成すること。

提案手法

• システム行列のペロン＝フロベニウス固有値を含むスペクトル制約を有する幾何プログラミング（GP）として、疫病制御問題を定式化する。
• 分散型ADMM（D-ADMM）フレームワークを用いて、グローバル最適化問題をエージェントごとの局所的サブ問題に分解する。
• 双対分解と双対変数の反復更新を用いて、エージェント間でグローバル変数の一致を強制する。
• 各ノードで数値的ソルバーを実装し、感染率および回復率に関する個々の制約を満たす局所的サブ問題を解く。
• エージェントが隣接者との通信により反復的に局所的推定値および双対変数を更新することで、完全に分散型の計算を実現する。
• GP定式化の凸性と、凸問題におけるADMMの既知の収束保証を活用して、収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 有向で不均一なネットワークにおける疫病制御のため、最適なワクチンおよび救命薬の割り当てを分散的に達成できるか？
• RQ2 中央集権的協調なしで、システム行列のスペクトル半径に基づくグローバルな疫病制御条件を満たすために、分散型アルゴリズムはどのようにして実現できるか？
• RQ3 幾何プログラミングによって凸化されたが、非凸に似た制約付き問題にD-ADMMベースのアルゴリズムを適用した場合、収束挙動はどのようになるか？
• RQ4 総投資額および収束速度の観点から、分散型解は集中型最適解と比べてどのように異なるか？
• RQ5 非同一なエージェントを有するより大きな強連結ネットワークにおいて、提案手法は性能を維持できるか？

主な発見

• 分散型D-ADMMアルゴリズムは、集中型最適解に成功裏に収束し、20ノードネットワークにおける総投資額は4.8868に達し、集中型結果と一致する。
• シミュレーションでは、各エージェントにおけるグローバル変数の局所的推定値が、誤差の収束に伴い一致に近づくことが示された。
• 全エージェントにおける双対変数が反復回数を経て収束するため、分散最適化プロセスにおける安定な協調が確認された。
• 10ノードネットワークでは、分散型解が総投資額1.9731を達成し、集中型最適値と一致した。
• 有向で強連結なネットワークにおいても、エージェントが不均一でパラメータが非同一であっても、アルゴリズムは収束性と妥当性を維持した。
• 数値的結果から、D-ADMMフレームワークが分散的・局所的計算を通じてスレクトル制約を満たすことで、グローバルな疫病制御を達成することが確認された。