[論文レビュー] On combinatorial optimization for dominating sets (literature survey, new models)

Mark Sh. Levin|arXiv (Cornell University)|Jan 1, 2020

Advanced Graph Theory Research参考文献 125被引用数 2

ひとこと要約

本稿は、組合せ最適化における連結支配集合（CDS）問題の包括的サーベイを提示し、多目的および多基準定式化のためのマルチセット推定を用いた新たな整数プログラミングモデルを導入する。不確実性と複数の品質水準を扱うために一般化された中央値ベースの目的関数を提案し、ネットワーク設計や監視システムなどの応用分野におけるロバストネスを向上させる。

ABSTRACT

The paper focuses on some versions of connected dominating set problems: basic problems and multicriteria problems. A literature survey on basic problem formulations and solving approaches is presented. The basic connected dominating set problems are illustrated by simplifyed numerical examples. New integer programming formulations of dominating set problems (with multiset estimates) are suggested.

研究の動機と目的

• 基本的および多基準の連結支配集合（CDS）問題に関する体系的文献サーベイを提供すること。
• 不確実性と複数の品質水準をモデル化するためのマルチセット推定を用いた支配集合問題の新たな整数プログラミング定式化を導入すること。
• マルチセットに基づく目的関数を用いたk連結およびm支配集合問題の多基準最適化モデルを開発すること。
• マルチセット推定の一般化された中央値ベースの集約技術を提案し、ネットワークおよびシステム設計における意思決定のロバストネスを向上させること。
• 支配集合最適化モデルの将来のソフトウェア開発および教育的応用の基盤を構築すること。

提案手法

• 頂点重みベクトルから導出されるマルチセット推定を用いて、最小ノード重み支配集合問題を定式化する。
• 一般化された中央値ベースの目的関数を導入：min_M∈E Σ|δ(M, eκ)| ここで δ はマルチセット推定間の近接度を測る。
• マルチセット演算を適用：統合（要約）、ベクトルに類似した近接度（改善・劣化のための δ− および δ+）、中央値による集約。
• 4つの新しいモデルを提案：(1) マルチセット推定を用いた最小重み支配集合；(2) マルチセット推定を用いた最小重みCDS；(3) マルチセット推定を用いたk連結CDS；(4) マルチセット推定を用いたk連結m支配集合。
• 二値変数 x_ai = 1 を用いて支配集合への含め方を示し、接続性および支配性を保証する制約を設ける。
• マルチセットに基づく近接度指標を用いて、意思決定の不確実性および複数の品質水準間での品質遷移（例：性能、信頼性）をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 マルチセット推定は、支配集合問題における不確実性と複数の品質水準を効果的にモデル化するためにどのように活用できるか？
• RQ2 一般化された中央値ベースの集約が、支配集合の解のロバストネスと品質に与える影響は何か？
• RQ3 マルチセット推定下で、k連結およびm支配集合制約は最適解の構造と基数にどのように影響を与えるか？
• RQ4 マルチセット推定を用いた単目的と多目的なCDS問題定式化の間には、どのような主な差異とトレードオフがあるか？
• RQ5 マルチセットベースのモデルは、実世界のネットワーク応用におけるヒューリスティックおよび近似アルゴリズムの性能を向上させることができるか？

主な発見

• 本稿は、一般化された中央値近接度に基づく目的関数を有する、マルチセット推定を用いた支配集合問題の4つの新しい整数プログラミングモデルを導入する。
• 一般化された中央値集約手法は、複数の品質水準にわたる中央マルチセット推定への総合的近接度を最小化することで、不確実性を効果的に低減する。
• 提案されたモデルは、k頂点素因数パス（k連結性）やm支配といった複雑な制約をサポートし、フェイルセーフなネットワーク設計を可能にする。
• マルチセットベースの推定は、離散的品質水準間での改善および劣化遷移を含む、より豊かなシステム品質のモデル化を可能にする。
• マルチセット演算を介して、コスト、信頼性、遅延などの複数基準を統合された最適化モデルに統合できる。
• これらのモデルは、仮想バックボーン設計、センサネットワーク、電力システム、およびソーシャルネットワークにおける影響拡散など、多様な分野に適用可能である。