[論文レビュー] Efficiency of a Stochastic Search with Punctual and Costly Restarts

Kabir Husain, Sandeep Krishna|arXiv (Cornell University)|Sep 13, 2016

Optimization and Search Problems被引用数 3

ひとこと要約

本稿では、任意のリスタートプロトコルを伴う確率的探索プロセスを最適化する一般化された解析的フレームワークを構築する。パスの列挙とラプラス変換を用いて、完了時間とリスタート回数の同時分布を計算する。最適なリスタートタイミングがリスタート分布の分散に線形に依存することを示し、速度、コスト、リスタート頻度の間のトレードオフを特定する。特定の条件下では、決定的リスタートが確率的リスタートを上回ることを示す。

ABSTRACT

The mean completion time of a stochastic process may be rendered finite and minimised by a judiciously chosen restart protocol, which may either be stochastic or deterministic. Here we study analytically an arbitrary stochastic search subject to an arbitrary restart protocol, each characterised by a distribution of waiting times. By a direct enumeration of paths we construct the joint distribution of completion time and restart number, in a form amenable to analytical evaluation or quadrature; thereby we optimise the search over both time and potentially costly restart events. Analysing the effect of a punctual, i.e. almost deterministic, restart, we demonstrate that the optimal completion time always increases proportionately with the variance of the restart distribution; the constant of proportionality depends only on the search process. We go on to establish simple bounds on the optimal restart time. Our results are relevant to the analysis and rational design of efficient and optimal restart protocols.

研究の動機と目的

• 任意のリスタートプロトコルを伴う確率的探索プロセスを最適化する一般化された解析的手法を開発すること。
• リスタートタイミングの確率的変動が平均完了時間および最適性に与える影響を分析すること。
• 平均完了時間の最小化にとどまらず、リスタートコストを最適化フレームワークに統合すること。
• さまざまな探索プロセスにおける最適リスタート時間の解析的上限を導出すること。
• 時間的およびコスト的制約下での決定的リスタートと確率的リスタートプロトコルの効率性とコストを比較すること。

提案手法

• 完了時間とリスタート回数の同時確率分布を計算するために、直接的なパス列挙を用いる。
• 同時分布にラプラス変換を適用し、モーメントおよびコスト関数の解析的評価を可能にする。
• 各遷移に任意の待ち時間分布をもつ三状態系（A → B → C、B → A をリスタートとみなす）として探索プロセスをモデル化する。
• 母関数およびハーディー・リーマン超越関数を用いて、平均完了時間および平均リスタート回数の式を導出する。
• リスタート回数に線形なコスト関数を導入し、時間コストのトレードオフ（例：$ f(m,T) = m^eta T $）を一般化する。
• 数値積分および特殊関数（例：$ ilde{ heta}(s) $, $ ilde{ ho}(s) $, $ ilde{ u}(s) $）を用いてモーメントを評価し、プロトコルを最適化する。

実験結果

リサーチクエスチョン

• RQ1 リスタート分布の分散が、確率的探索における最適平均完了時間にどのように影響するか？
• RQ2 与えられた探索プロセスにおける最適決定的リスタート時間の解析的上限は何か？
• RQ3 各リスタートに固定コストがかかる場合、決定的リスタートと確率的リスタートプロトコルの効率性とコストはどのように比較できるか？
• RQ4 完了時間とリスタート回数を統合した包括的なコスト関数を、任意のリスタートおよび探索プロセスに対して解析的に最適化できるか？
• RQ5 リスタートにコストがかかる場合、どのような条件下で決定的リスタートが最適性を保つのか？

主な発見

• 最適な完了時間は、リスタート分布の分散に線形に増加し、比例定数は探索プロセスにのみ依存する。
• 探索分布 $ P_s(t) $ のモードは、最適決定的リスタート時間 $ au_{ ext{opt}} $ の厳密な下限を与える。すなわち、$ au_{ ext{opt}} > ext{mode}(P_s) $ が成り立つ。
• ポisson的リスタートを伴う1次元拡散プロセスでは、リスタートレート $ r < 1.412 $ の場合、決定的リスタートの平均リスタートコストが確率的リスタートを下回るが、より高いレートでは逆転する。
• コスト関数 $ ig angle m^eta T ig ext{ for } eta > 0 $ は、さまざまな時間コストトレードオフにおいても、決定的リスタートがより最適であることを示す。
• 本フレームワークにより、数値積分を用いてモーメントおよびコスト関数を解析的に計算可能となり、複雑なパス積分が取り扱いやすい特殊関数に還元される。
• 本手法は一般化されており、非ポアソン的・非指数的リスタートプロセスを含む、任意の探索、リスタート、遅延分布に適用可能である。