[論文レビュー] The Cost of Troubleshooting Cost Clusters with Inside Information

Thorsten J. Ottosen, Finn V. Jensen|arXiv (Cornell University)|Jan 1, 2010

Optimization and Search Problems参考文献 8被引用数 2

ひとこと要約

本稿では、追加コストを伴うクラスタの開閉を伴う木構造のクラスタモデルにおける意思決定理論的トラブルシューティングのためのO(n · lg n)最適アルゴリズムを提示する。この手法は、効率性に基づいて行動を複合行動にグループ化する下向きのP-over-Cアプローチを用い、最適な順序付けと冗長な部分木の pruning を保証することで、オフラインおよびオンラインの戦略計算を効率的に行う。

ABSTRACT

Decision theoretical troubleshooting is about minimizing the expected cost of solving a certain problem like repairing a complicated man-made device. In this paper we consider situations where you have to take apart some of the device to get access to certain clusters and actions. Specifically, we investigate troubleshooting with independent actions in a tree of clusters where actions inside a cluster cannot be performed before the cluster is opened. The problem is non-trivial because there is a cost associated with opening and closing a cluster. Troubleshooting with independent actions and no clusters can be solved in O(n lg n) time (n being the number of actions) by the well-known "P-over-C" algorithm due to Kadane and Simon, but an efficient and optimal algorithm for a tree cluster model has not yet been found. In this paper we describe a "bottom-up P-over-C" O(n lg n) time algorithm and show that it is optimal when the clusters do not need to be closed to test whether the actions solved the problem.

研究の動機と目的

• 階層的クラスタを有するシステムにおいて、開閉を伴う場合の期待トラブルシューティングコストを最小化する課題に対処すること。
• クラスタのアクセスに追加コストがかかる状況における、古典的P-over-Cアルゴリズムを木構造クラスタに拡張すること。
• 階層的依存関係を扱いながらも、O(n · lg n)の時間計算量を維持する効率的で最適なアルゴリズムの開発。
• 内部情報仮定の下で、提案されたアルゴリズムの正しさと最適性を証明すること。
• オフライン戦略生成とオンライン再計算の両方を可能にすることで、リアルタイム意思決定支援システムへの実用的応用を可能にすること。

提案手法

• 原子的行動の効率性（Pα / Cα）に基づき、クラスタ内での原子的行動を集約して複合行動を計算する下向きのP-over-Cアルゴリズムを提案。
• 再帰的な吸収プロセスを用いて、部分木から複合行動を形成し、各クラスタレベルで最も効率の良い複合行動を選択することを保証。
• 期待コストを最小化するために、行動を降順の効率性で再順序付けすることを正当化するためのキーレイマ（補題8）を適用。
• 任意の最適な順序が、降順の効率性順に並べ替えられた最大化複合行動を含むことを示すために、背理法による証明を採用。
• 原子的行動の部分木を、単一の最適な複合行動シーケンスに置き換えるためのpruning機構を導入。
• クラスタの状態（解決済みか否か）を再組立なしにテスト可能であるという内部情報仮定に依存しており、これにより効率的なコスト評価が可能になる。

実験結果

リサーチクエスチョン

• RQ1 内部情報ありの木クラスタモデルに対して、O(n · lg n)の最適トラブルシューティングアルゴリズムを設計可能か？
• RQ2 P-over-C原理を、開閉コストを伴う階層的クラスタに拡張する方法は何か？
• RQ3 最適解の構造的性質として、複合行動が降順の効率性順に並べ替えられる理由は何か？
• RQ4 すべての最適解が、最大化複合行動を部分列として含むことは証明可能か？
• RQ5 内部情報の有無が、非内部情報モデルと比較してアルゴリズムの設計および最適性に与える影響は何か？

主な発見

• 提案された下向きのP-over-Cアルゴリズムは、O(n · lg n)の時間で実行され、内部情報ありの木構造クラスタに対して最適であることが証明されている。
• アルゴリズムは、すべての最適トラブルシューティングシーケンスが、最大化複合行動を部分列として含むことを保証する。
• 期待コストを最小化するためには、複合行動を降順の効率性順に並べ替える必要がある。これは補題8および補題10によって証明されている。
• オフライン手法（例：AO*）において、原子的行動の部分木を単一の複合行動に置き換えることで、探索空間の大幅な削減が可能になる。
• 正しさの証明は、複合行動の非最適な順序付けや、複合行動の欠落が、より高い期待コストを引き起こすという背理的論証に依拠している。
• 内部情報仮定は極めて重要である。これがないと、再組立なしにクラスタ状態をテストできないため、アルゴリズムの最適性と効率性は成立しない。