[論文レビュー] GRASP for the Coalition Structure Formation Problem

Nicola Di Mauro, Teresa M. A. Basile+2 more|arXiv (Cornell University)|Apr 16, 2010

Game Theory and Voting Systems参考文献 9被引用数 3

ひとこと要約

本稿では、多エージェントシステムにおける近似的な最適なコалиション構造を、効率的に探索するためのグリーディーな適応的探索手順であるGRASP-CSFを提案する。構成フェーズと局所探索フェーズを組み合わせることで、IDPなどの正確なアルゴリズムに比べて最大1,000倍速く近似的な最適解を達成し、特に時間制約が厳しく、次元数の高い問題に対して優れた性能を発揮する。

ABSTRACT

The coalition structure formation problem represents an active research area in multi-agent systems. A coalition structure is defined as a partition of the agents involved in a system into disjoint coalitions. The problem of finding the optimal coalition structure is NP-complete. In order to find the optimal solution in a combinatorial optimization problem it is theoretically possible to enumerate the solutions and evaluate each. But this approach is infeasible since the number of solutions often grows exponentially with the size of the problem. In this paper we present a greedy adaptive search procedure (GRASP) to efficiently search the space of coalition structures in order to find an optimal one. Experiments and comparisons to other algorithms prove the validity of the proposed method in solving this hard combinatorial problem.

研究の動機と目的

• 解空間の指数的増加により、全探索が非現実的となる多エージェントシステムにおけるNP完全なコロケーション構造形成（CSF）問題に対処すること。
• 時間制約下でも高品質な解を返すことが可能な、高速でいつでも利用可能なアルゴリズムの開発。これは、反応型エージェントシステムにおいて極めて重要である。
• 大規模なCSF問題において、既存の正確なアルゴリズムおよびヒューリスティックアルゴリズムを上回る、解の品質と計算時間の両面での優位性を達成すること。
• GRASPが、コロケーション形成における組合せ最適化のための確率的局所探索手法として効果的に適用可能かどうかを評価すること。

提案手法

• GRASP-CSFは二段階のアプローチを採用する：まず、グリーディーなランダム化適応的手順を用いて初期のコロケーション構造を構築する構成フェーズと、次に解を改善するための局所探索フェーズである。
• 構成フェーズでは、高価値のコロケーションを優先するランダム化されたグリーディー選択戦略を用いることで、部分的な分割に偏るリスクを低減する。
• 局所探索フェーズでは、分割、結合、抽出、交換といった近傍作用素を用いて、隣接するコロケーション構造を探索し、局所最適解からの脱出を図る。
• アルゴリズムは最大反復回数（例：20）を設定することで、終了を保証し、必要に応じて最適解の回復を保証する。
• 解の品質は相対的品質指標 V(C)/V(C*) を用いて測定する。ここで C* は最適なコロケーション構造を表す。
• 実験では、14～20人のエージェントに対して、各エージェント数ごとに10の問題インスタンスを用意し、均一分布および非均一分布の価値を設定。時間と品質は、複数回の実行の平均値を用いる。

実験結果

リサーチクエスチョン

• RQ1 GRASPは、時間制限下で段階的に改善する解を提供する、いつでも利用可能なアルゴリズムとして、コロケーション構造形成問題に効果的に適用可能か？
• RQ2 GRASP-CSFは、IDP や IP といった最先端の正確なアルゴリズムよりも、最適なコロケーション構造をより速く発見できるか？
• RQ3 シミュレーテッドアニーリングやSandholmらのアルゴリズムといった他のメタヒューリスティックと比較して、GRASP-CSFの解の品質と速度はどの程度優れているか？
• RQ4 エージェント数の増加に伴い、アルゴリズムの性能はどの程度スケーリングするか？

主な発見

• 20エージェント問題において、GRASP-CSFは平均0.05秒未満で最適解を発見したが、IDPは最大47.8秒を要し、GRASP-CSFは最大1,000倍速い。
• 20エージェント問題では、GRASP-CSFが平均0.0499秒で最適解に到達したのに対し、IDPは47.8秒を要した。
• 最初の3反復目までに、相対的品質が0.99を超える近似的な最適解に到達し、10反復目までに平均して0.995を超える解の品質を達成した。
• GRASP-CSFは、シミュレーテッドアニーリングおよびSandholm らのアルゴリズムを常に上回る解の品質を達成し、全テスト問題サイズ（14～20エージェント）において相対誤差が低かった。
• 問題サイズが大きくなるにつれて、GRASP-CSFとIDPの性能差が広がり、提案手法の優れたスケーラビリティが示された。
• 固定された最大反復回数20であっても、18～20エージェントの全10インスタンスで100％の最適解回復が達成され、アルゴリズムの強靭性と信頼性が裏付けられた。