[論文レビュー] Optimal Network Topology of Multi-Agent Systems subject to Computation and Communication Latency (with proofs)

Luca Ballotta, Mihailo R. Jovanović+1 more|arXiv (Cornell University)|Jan 1, 2021

Distributed Control Multi-Agent Systems参考文献 34被引用数 3

ひとこと要約

本稿は、計算および通信遅延を伴うマルチエージェントシステムにおける最適フィードバック制御設計を提案し、円形フォーメーションに注目する。定常状態分散を最小化する閉形式の制御ゲインを導出し、完全グラフ（集中型）のトポロジーが遅延の増大により劣化することを証明し、特定のスパarsなトポロジーにより近似的に最適な性能が達成されることを示している。これはフィードバックの利点と遅延ペナルティのバランスを取ったものである。

ABSTRACT

We study minimum-variance feedback-control design for a networked control system with retarded dynamics, where inter-agent communication is subject to latency. We prove that such a design can be solved efficiently for circular formations and compute near-optimal control gains in closed form. We show that the centralized control architecture is in general suboptimal when the communication increase with the number of links, and propose a control-driven optimization of the network topology.

研究の動機と目的

• ネットワーク密度に伴い増大する通信遅延が生じるマルチエージェントシステムにおいて、定常状態分散を最小化する課題に取り組む。
• 通信リンク数の増加に伴い遅延が増大する状況において、集中型制御（完全グラフ）が依然として最適であるかどうかを調査する。
• 情報の豊かさと遅延のトレードオフを考慮した、制御駆動型のネットワークトポロジー最適化フレームワークを構築する。
• 遅延情報交換を伴う円形マルチエージェントフォーメーションにおけるフィードバック制御ゲインの解析的解を導出する。
• 最適な性能が完全接続ではなく、特定のスパarsなネットワークトポロジーによって達成されることを示す。

提案手法

• N体のエージェントが円形フォーメーションを形成するネットワークをモデル化し、各エージェントは確率的摂動を受ける単一積分器に従う。
• 各エージェントが前方および後方のn番目の近隣エージェントからの遅延付き状態測定値を受信すると仮定し、遅延τn = f(n)τminはnに応じて増加する。
• 最小分散制御フレームワークを用いてシステム状態の定常状態分散を導出し、フィードバックゲイン行列の固有値に依存するコスト関数を得る。
• 巡回行列理論と離散フーリエ変換（DFT）を用いて固有値を表現し、最適化問題を簡略化する。
• 最適化問題を2段階で解く：まず等しいフィードバックゲイン（1パラメータ）を仮定し、次に個々のゲイン（複数パラメータ）を許容する。凸性と対称性により、最適解が1パラメータケースに還元されることを証明する。
• プランシュレルの定理と凸最適化を適用し、最適ゲインの閉形式表現を導出し、安定性および性能の分析を実施する。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク密度に伴い遅延が増大する場合、通信リンク数の増加がシステム性能に与える影響は何か？
• RQ2 通信遅延が増大する状況において、集中型制御（完全グラフ）は定常状態分散を最小化するために最適であるか？
• RQ3 遅延情報交換を伴う円形マルチエージェントフォーメーションにおいて、最適フィードバック制御ゲインの閉形式表現を導出可能か？
• RQ4 遅延制約下で定常状態分散を最小化する最適な通信リンク数（すなわちネットワークトポロジー）は何か？
• RQ5 最適制御設計は通信グラフの構造に依存するか？もしそうならば、その関係は何か？

主な発見

• 集中型制御（すべての通信リンクを使用）は、一般に性能が劣る。これは遅延の増大が追加のフィードバック利点を上回るためである。
• 複数のゲインを許容しても、凸性と対称性のため、最適なフィードバックゲイン設定は1パラメータ解に還元される。
• DFTおよびプランシュレルの定理を用いて、近似的に最適な制御ゲインの閉形式表現を導出し、計算を効率化できる。
• 定常状態分散は遅延関数f(n)に線形に比例し、比例定数は最適固有値分布に依存する。
• 最適トポロジーは完全グラフではない。代わりに、フィードバックと遅延のバランスを取るために、適切に選ばれた近隣数を持つスパarsで対称的なフォーメーションである。
• 数値結果により、ネットワーク密度の増加に伴い性能が向上するが、ある点を過ぎると遅延が支配的となり性能が劣化することが確認された。