[論文レビュー] Facility Location in Evolving Metrics

David Eisenstat, Claire Mathieu+1 more|arXiv (Cornell University)|Mar 26, 2014

Complex Network Analysis Techniques参考文献 19被引用数 6

ひとこと要約

本稿では、時間経過に伴い変化するメトリクスを対象とした動的施設配置モデルを提案する。クライアントの施設への再割り当てに対して時間的切り替えコストを課し、距離、施設開設、切り替えコストのバランスを取る。O(log nT)近似アルゴリズムを提示し、その下界のハードネスと一致させることで、各時刻のスナップショット最適化とは異なり、時間的統合最適化がはるかに安定的かつ正確な解をもたらすことを示した。

ABSTRACT

Understanding the dynamics of evolving social or infrastructure networks is a challenge in applied areas such as epidemiology, viral marketing, or urban planning. During the past decade, data has been collected on such networks but has yet to be fully analyzed. We propose to use information on the dynamics of the data to find stable partitions of the network into groups. For that purpose, we introduce a time-dependent, dynamic version of the facility location problem, that includes a switching cost when a client's assignment changes from one facility to another. This might provide a better representation of an evolving network, emphasizing the abrupt change of relationships between subjects rather than the continuous evolution of the underlying network. We show that in realistic examples this model yields indeed better fitting solutions than optimizing every snapshot independently. We present an $O(\log nT)$-approximation algorithm and a matching hardness result, where $n$ is the number of clients and $T$ the number of time steps. We also give an other algorithms with approximation ratio $O(\log nT)$ for the variant where one pays at each time step (leasing) for each open facility.

研究の動機と目的

• クライアントと施設間の距離が時間経過とともに変化するネットワークにおける施設配置のモデル化と解法を目的とする。
• クライアントの施設再割り当てに対する切り替えコストを施設配置の目的関数に組み込み、時間経過にわたる安定したクライアント-施設の対応を促進することを目的とする。
• 各時刻のスナップショットを独立に最適化するのではなく、時間にわたる統合最適化がより優れた解をもたらすことを示すこと。
• 動的施設配置問題に対する、性能保証が保証された近似アルゴリズムの開発を目的とする。
• 進化するネットワーク構造における解の適応性と安定性のトレードオフを分析すること。

提案手法

• 接続コスト、施設開設コスト、クライアント再割り当ての切り替えコストという3つのコスト要素を含む、時間依存型施設配置問題を定式化する。
• T個の時間ステップとn人のクライアントに対して、施設開設、クライアント割り当て、切り替えを表す変数を用いて、線形計画法緩和（LP）を用いて問題をモデル化する。
• LP解の値に基づき、指数分布を用いた確率的丸め込み手法を用いて施設開設をサンプリングする。
• 各クライアントと時間区間に対して、区間全体における開設しきい値と最小割り当て値の比が最小となる施設を選択する。
• 確率的解析を用いて期待コストを評価し、和集合の不等式とマルコフの不等式を用いて、高確率での性能を保証する。
• 非一様な施設開設コストと時間変動するクライアントの可用性に対応できるようにアルゴリズムを拡張する。

実験結果

リサーチクエスチョン

• RQ1 時間経過に伴うクライアント再割り当てに対するペナルティを課す動的施設配置モデルは、各時刻のスナップショットを独立に最適化するのと比較して、より安定的かつ正確なクラスタリングを達成できるか？
• RQ2 切り替えコストを伴う動的施設配置問題における、達成可能な最良の近似比は何か？
• RQ3 現実的な進化するネットワーク環境下で、提案されたアルゴリズムの性能は、静的またはオンライン手法と比較してどうなるか？
• RQ4 O(log nT)近似比はタイトか？ 対応する近似の下界は何か？
• RQ5 本モデルは、非一様な施設コストや時間変動するクライアントの到着・退去を扱うために拡張可能か？

主な発見

• 提案されたアルゴリズムは、切り替えコストを伴う動的施設配置問題に対してO(log nT)近似比を達成し、既知の下界と一致する。
• 期待される施設開設コストは、最適なLP値の2 log(2nT)倍以内に抑えられ、期待値における良好な性能を保証する。
• 期待される切り替えコストは、LP緩和における対応する項の値の2倍以内に抑えられる。
• 高確率事象の下で、期待される距離コストはLP値の4 log(2nT)倍以内に抑えられる。
• 三角不等式を満たさない距離に対してもアルゴリズムは良好に動作し、非一様な施設コストやクライアントの到着・退去時刻に対しても自然に拡張可能である。
• 特に現実的な進化するネットワークダイナミクスにおいて、独立したスナップショット最適化と比較して、はるかに安定した解が得られる。