[논문 리뷰] Distributed Averaging Problems on Signed Networks with Directed Topologies

Mingjun Du, Deyuan Meng|arXiv (Cornell University)|2019. 08. 17.

Distributed Control Multi-Agent Systems인용 수 3

한 줄 요약

이 논문은 유도된 무방향 방향 그래프와 거울 부호 그래프를 기반으로 개선된 라플라스 포텐셜 함수를 사용하여, 방향성 구조를 가진 부호화된 네트워크를 위한 두 가지 새로운 분산 평균화 프로토콜을 제안한다. 리아푸노프 안정성 분석을 통해 부호화된 평균 수렴이 부호화된 방향 그래프가 구조적으로 균형 잡혀 있을 때에만 달성된다는 것을 증명한다. 이는 가중치 균형 여부와는 무관하다.

ABSTRACT

This paper aims at addressing distributed averaging problems for signed networks in the presence of general directed topologies that are represented by signed digraphs. A new class of improved Laplacian potential functions is proposed by presenting two notions of any signed digraph: induced unsigned digraph and mirror (undirected) signed graph, based on which two distributed averaging protocols are designed using the nearest neighbor rules. It is shown that with any of the designed protocols, signed-average consensus (respectively, state stability) can be achieved if and only if the associated signed digraph of signed network is structurally balanced (respectively, unbalanced), regardless of whether weight balance is satisfied or not. Additionally, the convergence analysis of signed networks can be implemented via the Lyapunov stability approach, which benefits from bridging the relationship between convergence behaviors of directed signed networks and properties of improved Laplacian potential functions. Illustrative examples are presented to demonstrate the validity of our theoretical results for distributed averaging of directed signed networks.

연구 동기 및 목표

• 일반적인 방향성 구조(무방향 또는 가중치 균형 네트워크에 국한되지 않음)를 가진 부호화된 네트워크에서의 분산 평균화 문제를 다루는 것.
• 기존 연구의 한계를 극복하기 위해 부호화된 방향 그래프에 특화된 새로운 라플라스 포텐셜 함수를 도입하는 것.
• 가중치 균형 여부와는 무관하게 구조적 균형에만 의존하는 부호화된 평균 수렴을 위한 수렴 기준을 설정하는 것.
• 네트워크 구조적 특성과 시스템 안정성 간의 관계를 연결하는 리아푸노프 기반 수렴 분석 프레임워크를 제공하는 것.

제안 방법

• 부호화된 방향 그래프로부터 유도된 무방향 방향 그래프의 개념을 도입하여 기초적인 연결성 구조를 분석한다.
• 비대칭 부호화된 네트워크 내 대칭적 관계를 포괄하기 위해 이중 표현으로서의 거울(무방향) 부호 그래프를 정의한다.
• 유도된 그래프 및 거울 그래프의 구조적 특성을 기반으로 최근접 이웃 규칙을 활용한 두 가지 분산 평균화 프로토콜을 설계한다.
• 네트워크의 부호화된 성격과 방향성 구조를 반영한 개선된 라플라스 포텐셜 함수를 구성한다.
• 포텐셜 함수의 감쇠와 수렴 행동 간의 관계를 분석하기 위해 리아푸노프 안정성 이론을 적용한다.
• 특히 구조적 균형 또는 비균형을 포함한 부호화된 방향 그래프의 구조적 특성을 핵심 결정 요소로 삼아 시스템 행동을 분석한다.

실험 결과

연구 질문

• RQ1 어떤 네트워크 구조 조건에서 방향성 부호화된 네트워크에서 부호화된 평균 수렴이 달성될 수 있는가?
• RQ2 부호화된 방향 그래프에서 수렴을 효과적으로 분석하기 위해 라플라스 포텐셜 함수를 어떻게 재정의할 수 있는가?
• RQ3 방향성 부호화된 네트워크에서 수렴을 위해 가중치 균형이 여전히 필수 조건인가?
• RQ4 개선된 포텐셜 함수를 통해 리아푸노프 방법을 활용해 방향성 부호화된 네트워크의 수렴 행동을 분석할 수 있는가?
• RQ5 구조적 균형은 수렴 또는 상태 안정성을 달성하는 데 어떤 역할을 하는가?

주요 결과

• 부호화된 평균 수렴은 부호화된 방향 그래프가 구조적으로 균형 잡혀 있을 때에만 달성되며, 이는 가중치 균형 여부와는 무관하다.
• 상태 안정성은 부호화된 방향 그래프가 구조적으로 비균형일 때에만 달성되며, 이는 시스템 행동의 이원성(dichotomy)을 확인한다.
• 제안된 프로토콜은 가중치 균형 조건 없이 일반적인 방향성 구조에서도 수렴을 보장한다.
• 개선된 라플라스 포텐셜 함수는 방향성 부호화된 네트워크에 대해 엄밀한 리아푸노프 기반 수렴 분석을 가능하게 한다.
• 이론적 결과는 올바른 수렴 및 안정성 결과를 보여주는 구체적인 예시를 통해 검증된다.
• 이 프레임워크는 방향성 부호화된 네트워크에서 네트워크 구조적 특성과 동적 행동 간 격차를 성공적으로 메운다.