[論文レビュー] Networked estimation under information constraints

Usman A. Khan, Ali Jadbabaie|arXiv (Cornell University)|Nov 19, 2011

Distributed Control Multi-Agent Systems参考文献 33被引用数 18

ひとこと要約

本稿は、情報制約が厳しい条件下で、不安定な線形力学系をネットワーク化推定フレームワークとして提案する。各エージェントはシステムの進化ステップごとに一度のみ通信を行う。ネットワークトレーシング容量（NTC）を導入し、スパースなネットワークが有界誤差で追跡できる最大の不安定性（2ノルム）を定量化する。その結果、完全に接続されたネットワークまたは無限回の通信反復ではNTCが無限大であるが、単一時スケール設定下ではNTCは有限であり、ネットワークのスパarsityとシステムのダイナミクスに依存する。

ABSTRACT

In this paper, we study estimation of potentially unstable linear dynamical systems when the observations are distributed over a network. We are interested in scenarios when the information exchange among the agents is restricted. In particular, we consider that each agent can exchange information with its neighbors only once per dynamical system evolution-step. Existing work with similar information-constraints is restricted to static parameter estimation, whereas, the work on dynamical systems assumes large number of information exchange iterations between every two consecutive system evolution steps. We show that when the agent communication network is sparely-connected, the sparsity of the network plays a key role in the stability and performance of the underlying estimation algorithm. To this end, we introduce the notion of \emph{Network Tracing Capacity} (NTC), which is defined as the largest two-norm of the system matrix that can be estimated with bounded error. Extending this to fully-connected networks or infinite information exchanges (per dynamical system evolution-step), we note that the NTC is infinite, i.e., any dynamical system can be estimated with bounded error. In short, the NTC characterizes the estimation capability of a sparse network by relating it to the evolution of the underlying dynamical system.

研究の動機と目的

• エージェントがシステム時間ステップごとに一度のみ通信可能な状況下で、不安定な線形力学系の分散推定を扱う。
• 従来の研究が静的パラメータ推定に限定されているか、1ステップあたり複数回の通信を仮定しているという制限を克服する。
• ネットワークトポロジー、観測モデル、システムの不安定性を結びつける性能指標「ネットワークトレーシング容量（NTC）」を確立する。
• 情報制約下、特にスパースネットワークにおいて安定な推定を実現するための凸最適化に基づく設計手順を開発する。
• グローバルな可観測性を必要としない、局所的なスカラーゲイン推定器を用いたローカル設計ルールを提供し、有界な平均二乗誤差（MSE）を保証する。

提案手法

• 線形行列不等式（LMIs）を用いたスペクトル半径最適化により推定問題を定式化し、可能であればコーン補完線形化アルゴリズムを用いて反復的に解く。
• スペクトル半径の2ノルム緩和を導入し、実装可能な設計を可能とし、これにより「ネットワークトレーシング容量（NTC）」を定義する。NTCは、有界誤差で推定可能なシステム行列の最大2ノルムとして定義される。
• NTCを、単一時スケール通信下で推定誤差共分散が有界となるようなシステムのスペクトルノルムの上界として定義する。
• グラフ同型写像と固有値の上限を用いて、完全に局所的に実装可能なスカラーゲイン推定器の設計を提案する。
• 循環グラフトポロジーをテストベッドとして用い、NTCを解析的および数値的に評価し、接続性の向上（例：m-循環グラフにおけるmの増加）が推定能力を高めることを示す。
• 凸プログラミングを用いてNTCを計算し、完全に接続されたネットワークやスパーストポロジーを含む構造的ネットワークで結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 1ステップあたり1回の通信しか許されない状況下で、エージェントネットワークが不安定な線形力学系を推定できるか？
• RQ2 与えられたスパースネットワークトポロジーが、有界な平均二乗誤差で追跡できるシステム不安定性の根本的限界（2ノルム）は何か？
• RQ3 代数的接続性やグラフ構造で測定されるネットワークの接続性は、ネットワーク化システムの推定能力とどのように関係するか？
• RQ4 ローカルで可観測性を必要としない、1つのスカラーゲインを用いた局所的で分散型の推定器を設計できるか？ その場合、誤差が有界となるか？
• RQ5 観測モデルの構造（例：スカラー対ベクトル）は、推定可能な最大システム不安定性にどのような影響を及けるか？

主な発見

• ネットワークトレーシング容量（NTC）は、単一時スケール通信制約下で有界誤差で推定可能なシステム行列の最大2ノルムとして定義される。
• 完全に接続されたネットワーク、または1ステップあたり無限回の通信が可能な場合、NTCは無限大であり、任意の線形力学系が有界誤差で推定可能であることを意味する。
• スパースネットワークではNTCは有限であり、ネットワークの代数的接続性とシステムの不安定性に依存する。接続性が高いほどNTCは上昇する。
• スカラー観測を持つm-循環グラフでは、NTCはm（近隣ノード数）の増加に伴い増加し、常に1より大きい。これは、局所的な接続性が高くなるほど推定能力が向上することを示している。
• 各エージェントが局所的に可観測（すなわち、$H_i^T H_i$ が正則）である場合、ネットワーク構造にかかわらずNTCは無限大となり、任意のシステムが有界誤差で推定可能である。
• スカラーゲイン推定器を用いる場合、スカラー観測下では完全に接続されたグラフであってもNTCは有限のままとなる。これは、局所的設計制約が、高い接続性にもかかわらず性能を制限することを示している。