[論文レビュー] Robust Routing and Cross-Entropy Estimation

Hélène Le Cadre|arXiv (Cornell University)|Sep 15, 2005

Bayesian Methods and Mixture Models参考文献 5被引用数 3

ひとこと要約

本稿では、ネットワーク内の発着（OD）トラフィック量を推定するためのロバストなトラフィック推定フレームワークを提案する。最短経路ルーティングとCE（クロスエントロピー）最適化を組み合わせ、粒子フィルタリングを用いて動的に最適化を適応させる。小規模〜中規模ネットワークでは優れた性能を示すが、ネットワークサイズが増加するにつれてスケーラビリティの限界に直面する。

ABSTRACT

In the following article, we present a novel way to etimate the amounts of traffic on the Origin-Destination couples (OD couples). This new approach combines together a routing algorithm based on the principle of the shortest path and a recent technique of stochastic optimization called Cross-Entropy. In a final part, we adapt a particular filtering algorithm in order to be able to dynamically estimate the evolution of the traffic on the OD couples.

研究の動機と目的

• 通信ネットワークにおける発着（OD）トラフィック量を推定するロバストな手法の開発を目的とする。
• 最短経路ルーティングと組み合わせたクロスエントロピー（CE）手法を統合し、効率的なトラフィック推定を実現することを目的とする。
• 粒子フィルタリングを用いてODフローの時間的変化を動的に推定することを目的とする。
• 大規模ネットワークにおける高次元パrameter空間と計算上の非現実性の課題に対処することを目的とする。
• 希少イベントやスパarsなトラフィック状態下でも推定精度を向上させることを目的とする。

提案手法

• 最短経路ルーティングとクロスエントロピー（CE）手法を組み合わせ、ODトラフィック量を推定する。
• トラフィック状態をモデル化するためのパラメトリック密度族 f(x;v) を用い、重要度サンプリングによる最適化を実施する。
• 二段階の反復的アルゴリズムを適用：まず性能閾値 γ を推定し、次に高パフォーマンス状態の尤度を最大化するようにパラメータ v を更新する。
• 高パフォーマンスサンプルの経験的対数尤度を最大化することで、最適パラメータ v を推定するための確率的プログラムを用いる。
• 粒子の多様性を維持し、高重み粒子に集中させるためにリサンプリングを伴う粒子フィルタリングを用い、動的トラフィック推定を実現する。
• フロー保存則と送信／受信関数に基づく状態方程式を用いて、トラフィックを確率的ハイブリッドシステムとしてモデル化する。

実験結果

リサーチクエスチョン

• RQ1 クロスエントロピー手法をネットワークルーティングシステムにおけるODトラフィック量推定に効果的に適応する方法は何か？
• RQ2 ネットワークサイズがCEベースの推定フレームワークの性能とスケーラビリティに与える影響は何か？
• RQ3 ODペア間の動的トラフィック変化を時間経過とともに正確にモデル化・予測するにはどうすればよいか？
• RQ4 OD量推定の同定可能性を保証するために必要な制約または仮定は何か？
• RQ5 事前分布の選択とサンプルサイズの選定が、推定プロセスのロバスト性と収束性に与える影響は何か？

主な発見

• CE手法は、ノード数が30程度までの小規模ネットワークで良好に機能し、迅速かつ正確なOD量推定を達成する。
• ノード数とODペア数の比が19を超えると性能が著しく低下し、スケーラビリティの限界が顕在化する。
• 安定した収束を得るためには、サンプルサイズ N = κn（5 ≤ κ ≤ 10）が推奨されるが、大規模ネットワークでは計算的に非現実的になる。
• 本手法は事前分布およびパラメータの選択に敏感であり、これらが任意のものであると推定品質に影響を及ぼす可能性がある。
• 粒子フィルタリングにより、時間経過に伴うODフローデータの動的推定が可能であるが、粒子の劣化を回避するためリサンプリングが必要である。
• 特定のODペアをゼロに固定する、またはエントロピーを最大化するなどの制約を設けることで、同定可能性が向上し、パrameter空間が縮小される。