[論文レビュー] PT-ISABB: A Hybrid Tree-based Complete Algorithm to Solve Asymmetric Distributed Constraint Optimization Problems

Yanchen Deng, Ziyu Chen+3 more|arXiv (Cornell University)|Feb 16, 2019

Constraint Satisfaction and Optimization参考文献 28被引用数 6

ひとこと要約

本稿では、非対称分散制約最適化問題（ADCOPs）のためのハイブリッドツリー基盤完全アルゴリズムであるPT-ISABBを提案する。この手法は、ADPOPを用いた特化した推論フェーズできめ細かい下界を生成し、最適性を保証するツリー基盤探索フェーズ（SABBの変種）を組み合わせる。提案手法は、最新のアルゴリズムと比較してメッセージ数が少なく、NCLOが低く、複雑な問題においても有効なプルーニングと部分的制約削除のおかげでプライバシー漏洩が少ない。

ABSTRACT

Asymmetric Distributed Constraint Optimization Problems (ADCOPs) have emerged as an important formalism in multi-agent community due to their ability to capture personal preferences. However, the existing search-based complete algorithms for ADCOPs can only use local knowledge to compute lower bounds, which leads to inefficient pruning and prohibits them from solving large scale problems. On the other hand, inference-based complete algorithms (e.g., DPOP) for Distributed Constraint Optimization Problems (DCOPs) require only a linear number of messages, but they cannot be directly applied into ADCOPs due to a privacy concern. Therefore, in the paper, we consider the possibility of combining inference and search to effectively solve ADCOPs at an acceptable loss of privacy. Specifically, we propose a hybrid complete algorithm called PT-ISABB which uses a tailored inference algorithm to provide tight lower bounds and a tree-based complete search algorithm to exhaust the search space. We prove the correctness of our algorithm and the experimental results demonstrate its superiority over other state-of-the-art complete algorithms.

研究の動機と目的

• 既存の探索基盤完全アルゴリズムが弱い局所的下界に依存し、プルーニングが不十分であるという非効率性に対処すること。
• DPOP/ADPOPのような推論基盤アルゴリズムが全制約を公開を必要とし、非対称設定に適用できないというプライバシー制限を克服すること。
• 推論によるきめ細かい下界の活用と、ツリー基盤探索による完全性の保証を通じて、ハイブリッドアプローチを設計すること。
• 推論と探索を組み合わせることで、純粋な探索または純粋な推論手法と比較して、ADCOPsにおける性能とプライバシーのトレードオフをどのように改善できるかを評価すること。

提案手法

• 推論フェーズでは、非局所的削除版ADPOPを用いて制約の一部を解き、きめ細かい下界を得るためによりタイトな下界を生成する。
• これらの事前計算されたテーブルはエージェントに照会テーブルとして保存され、強力なプルーニング機能を備えた探索フェーズを導く。
• 疑似ツリー構造上で、SABBのツリー基盤変種を適用して探索空間を体系的に探索し、完全性を保証する。
• 局所的削除バージョンをサポートしており、ユーティリティを送信する前に変数を削除することで、親エージェントによる情報漏洩を低減する。
• 推論フェーズで生成された下界は、$k = \infty$ の場合、AsymPT-FBのものと同等以上にタイトであることが証明されている。
• 部分的削除による推論段階での情報公開の制限と、プルーニングによる非有望な分岐の削除を通じて、プライバシーと効率のバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 推論と探索を組み合わせることで、完全アルゴリズムの効率性を向上させつつプライバシーを維持できるか？
• RQ2 特化したADPOP推論フェーズで生成される下界は、AsymPT-FBのような既存の探索基盤アルゴリズムのものと比べてどのように異なるか？
• RQ3 最新の完全アルゴリズムと比較して、ハイブリッドアプローチが通信オーバーヘッドと計算コスト（NCLO）をどの程度低減するか？
• RQ4 特に高タイトネスおよび低タイトネスの問題インスタンスにおいて、PT-ISABBのプライバシー漏洩は他のアルゴリズムと比べてどの程度低いのか？
• RQ5 PT-ISABBの局所的削除バージョンは、性能に損なわれることなくプライバシー保護をさらに向上させるか？

主な発見

• PT-ISABBは、$k \geq 4$ の場合、さまざまなベンチマークにおいてAsymPT-FBや他の探索基盤完全アルゴリズムと比較して、メッセージ数とNCLOが顕著に削減される。
• 特にタイトネスの高い問題において、推論フェーズによるきめ細かい下界のおかげで、AsymPT-FBよりも優れた性能を発揮する。
• 複雑な（高タイトネスの）問題において、PT-ISABBはAsymPT-FBと比較してプライバシー漏洩が低減する。これは、タイトな下界がより効果的なプルーニングを可能にし、情報公開を減らすからである。
• 低タイトネス問題において、PT-ISABBの局所的削除バージョンは、子のユーティリティにゼロ値が存在する場合、親が妥当な割り当てペアを推測するのを防ぐため、プライバシー保護の観点で優れた性能を示す。
• $k = \infty$ の場合、PT-ISABBの下界はAsymPT-FBのものと同等以上にタイトであることが証明されており、プルーニング能力の低下がないことが保証される。
• 低タイトネス問題では推論コストが高いためNCLOが高くなるが、優れたプルーニングとメッセージ効率のおかげで、全体としての性能は競合他社を上回る。