[論文レビュー] Toward the Universal Rigidity of General Frameworks

Abdo Y. Alfakih, Nicole Taheri+1 more|arXiv (Cornell University)|Sep 7, 2010

Structural Analysis and Optimization参考文献 20被引用数 4

ひとこと要約

本稿では、$ℝ^d$ 内の一般位置に配置された $n$ 頂点からなるバー・フレームワークについて、そのグラフが $(d+1)$-lateration グラフである場合、ランク $n-d-1$ の正定値スケール行列が存在することを示し、一般位置下での普遍的剛性の既知の十分条件の逆を証明する。この結果は構成的であり、そのようなスケール行列を強多項式時間で計算するアルゴリズムを提供する。

ABSTRACT

Let (G,P) be a bar framework of n vertices in general position in R^d, d <= n-1, where G is a (d+1)-lateration graph. In this paper, we present a constructive proof that (G,P) admits a positive semi-definite stress matrix with rank n-d-1. We also prove a similar result for a sensor network where the graph consists of m(>= d+1) anchors.

研究の動機と目的

• 一般位置におけるフレームワークについて、ランク $n-d-1$ の正定値スケール行列の存在が普遍的剛性を示すか、という未解決の問いを解消すること。
• 既知の普遍的剛性の十分条件（スケール行列を用いたもの）を、一般位置におけるフレームワークへと、ジェネリックな場合から拡張すること。
• $(d+1)$-lateration グラフに対して、そのようなスケール行列を強多項式時間で構成的に計算する方法を提供すること。
• 同じグラフ構造のもとで、$m \geq d+1$ アンカーポイントを持つセンサーネットワークの強い局所化可能性を確立すること。
• 既存の普遍的剛性に関する結果を、非ジェネリックではあるが一般位置にある配置へと一般化し、新規の浄化アルゴリズムを用いること。

提案手法

• スケール行列の初期条件を満たすように、修正されたグラム行列のコレスキーに類似した因子分解により、事前スケール行列 $S^k$ を構築する。
• 最後の頂点から始まる再帰的浄化アルゴリズムを適用し、非エッジに対応する非対角成分 $S_{ij} = 0$ を満たすように繰り返し修正する。
• 補正ベクトル $s^k$ を計算するための線形方程式系（式 9）を用い、ヌル空間条件 $AS = 0$ を維持するとともに、エッジに特化したゼロ成分制約を満たす。
• 浄化後、得られる行列 $S^k$ が正定値かつランク $n-d-1$ を有することを証明し、普遍的剛性条件を満たすことを示す。
• $(d+1)$-lateration 構造を活用することで、浄化プロセスが $O(n^3)$ 四則演算で終了することを保証する。
• アンカーポイントを組み込み、同じスケール行列構築法をセンサーネットワークに適用し、同じフレームワークにより強い局所化可能性が得られることを示す。

実験結果

リサーチクエスチョン

• RQ1 一般位置におけるフレームワークについて、ランク $n-d-1$ の正定値スケール行列の存在は、ジェネリックな場合に限らず普遍的剛性を示すか？
• RQ2 $(d+1)$-lateration グラフに対して、そのようなスケール行列を強多項式時間で構成的アルゴリズムで計算可能か？
• RQ3 座標が代数的に依存する場合であっても、一般位置下でスケール行列による普遍的剛性条件が必要かつ十分であるか？
• RQ4 同じフレームワークを、$m \geq d+1$ アンカーポイントを持つセンサーネットワークの局所化問題へと拡張可能か？
• RQ5 このようなフレームワークに対して、ランク $n$ の最適双対スケール行列を構築する計算複雑度はいかほどか？

主な発見

• 任意の $ℝ^d$ 内に一般位置に配置された $n$ 頂点からなる $(d+1)$-lateration グラフに対して、ランク $n-d-1$ の正定値スケール行列が存在し、普遍的剛性のスケール行列条件の必要性を裏付ける。
• そのようなスケール行列を $O(n^3 + nd^3)$ 四則演算で計算可能であり、これは強多項式時間である。
• 浄化プロセスにより、最終的なスケール行列がヌル空間条件 $AS = 0$ と非エッジに対するスパarsity 制約 $S_{ij} = 0$ を両方満たすことが保証される。
• アンカーポイントが $m \geq d+1$ 個あるセンサーネットワークに対しても本手法が適用可能であり、グラフに $(d+1)$-lateration スパニング部分グラフが含まれる場合、そのネットワークは強い局所化可能性を有することが示された。
• lateration 順序と位置行列が既知の場合、ランク $n$ の最適双対スケール行列を正確に強多項式時間で計算可能である。
• 位置行列が未知の場合、SDP 内点法による近似解が得られ、誤差 $ϵ$ で $n$、$d$、$\log(1/\u03f5)$ に関して多項式時間で実行可能である。