[論文レビュー] Nonhomogeneous Place-Dependent Markov Chains, Unsynchronised AIMD, and Network Utility Maximization

Fabian Wirth, Sonja Stuedli+3 more|arXiv (Cornell University)|Apr 20, 2014

Network Traffic and Congestion Control参考文献 12被引用数 16

ひとこと要約

本稿は、非同期なAIMDと間欠的容量信号への確率的応答を用いた、通信量を最小限に抑えたネットワークユーティリティマキマイゼーション（NUM）のアルゴリズムを提案する。非一様な場所依存マルコフ連鎖を用いて、社会的最適解への確実収束を証明しており、1ビットのフィードバックのみを必要とし、エージェント間の通信や共通時計も不要である。

ABSTRACT

We present a solution of a class of network utility maximization (NUM) problems using minimal communication. The constraints of the problem are inspired less by TCP-like congestion control but by problems in the area of internet of things and related areas in which the need arises to bring the behavior of a large group of agents to a social optimum. The approach uses only intermittent feedback, no inter-agent communication, and no common clock. The proposed algorithm is a combination of the classical AIMD algorithm in conjunction with a simple probabilistic rule for the agents to respond to a capacity signal. This leads to a nonhomogeneous Markov chain and we show almost sure convergence of this chain to the social optimum.

研究の動機と目的

• アクチュエータ制限、プライバシー制約、共通時計なしの条件下で、IoTおよびスマートシステムにおける大規模最適化を扱う。
• 通信量を最小限に抑え、エージェント間のシグナル伝送なし、かつ中央集権的フィードバックが1つの容量信号のみに限られるネットワークユーティリティマキマイゼーション（NUM）問題を解く。
• 時間変動するエージェント数、非公開のコスト関数、間欠的なフィードバックがある中でも、社会的最適解への収束を達成する。
• ネットワークの非均質性や非同期動作に強く、スケーラブルな分散型アルゴリズムを設計する。

提案手法

• エージェントが資源使用量を徐々に増加させ、容量信号を受信すると乗法的に減少させる、加法的増加乗法的減少（AIMD）ダイナミクスを用いる。
• エージェントが容量信号に応答する確率λiを、長期間にわたる平均資源使用量に依存する確率的応答ルールを導入する。
• 間欠的フィードバック下での収束行動を分析するため、非一様な場所依存マルコフ連鎖としてシステムをモデル化する。
• 反復関数系と不変測度理論を用いて、システムの長期的挙動を特徴付ける。
• 最適割り当てベクトルw*への収束を追跡するために、距離指標（ℓ1およびハウスドルフ距離）を用いる。
• モーメントバウンドと尾確率推定を活用して、状態距離の期待対数ドリフトを分析することで、確実収束を証明する。

実験結果

リサーチクエスチョン

• RQ1 分散型で通信量を最小限に抑えたアルゴリズムは、大規模なネットワークユーティリティマキマイゼーションにおいて、社会的最適解への収束を達成できるか？
• RQ2 1ビットの間欠的フィードバックのみが利用可能で、エージェント間の通信が一切ない状況でも、システムは確実に最適割り当てへ収束するか？
• RQ3 長期間平均使用量に依存する確率的応答ルールは、収束性と安定性にどのように影響するか？
• RQ4 ネットワークサイズに依存せず、最悪のエージェントにのみ依存する収束を保証できるか？
• RQ5 非一様マルコフ連鎖構造は、非同期的かつ非同期的なエージェント更新下で収束を保証するために果たす役割は何か？

主な発見

• 提案されたアルゴリズムは、エージェント間の通信や共通時計が一切不要な状況でも、最適割り当てベクトルw*への確実収束を達成する。
• 容量違反を示す1ビットの間欠的フィードバックのみで収束が保証され、ラグランジュ乗数や正確な資源レベルの通信は不要である。
• 収束速度はエージェント総数に依存せず、最悪のエージェントにのみ依存するため、スケーラビリティが保証される。
• システムのダイナミクスは非一様な場所依存マルコフ連鎖としてモデル化され、負のドリフト項の確実な発散を用いて、確実収束が証明された。
• 小さな摂動に対しても安定性が保たれ、有限時間後に状態が最適点の収縮する近傍に確実にとどまる。
• 証明は、最適集合への距離の期待対数ドリフトをバウンドすることに依存しており、対数ドリフト項の和が確実に−∞に発散することを示した。