[논문 리뷰] Distributed pursuit algorithms for probabilistic adversaries on connected graphs

Jesse Geneson|arXiv (Cornell University)|2016. 10. 09.

Crime, Illicit Activities, and Governance참고 문헌 1인용 수 3

한 줄 요약

이 논문은 연결 그래프에서 k명의 경찰이 확률적 적(도박사)을 추적하기 위한 분산 추적 알고리즘을 연구한다. 알려진, 알려지지 않은, 알려진으로 변화하는 도박사에 대해, 경찰이 최적의 초기 위치를 선택할 경우, 예상 포획 시간이 Θ(n/k)임을 입증한다. 이는 부문 기반 분할과 깊이 우선 탐색 전략을 활용하여, 세 가지 적 모델 모두에서 날카운 감소한 경계를 달성한다.

ABSTRACT

A gambler moves between the vertices $1, \ldots, n$ of a graph using the probability distribution $p_{1}, \ldots, p_{n}$. Multiple cops pursue the gambler on the graph, only being able to move between adjacent vertices. We investigate the expected capture time for the gambler against $k$ cops as a function of $n$ and $k$ for three versions of the game: (1) known gambler: the cops know the gambler's distribution (2) unknown gambler: the cops do not know the gambler's distribution (3) known changing gambler: the gambler's distribution can change every turn, but the cops know all of the gambler's distributions from the beginning. We show for $n > k$ that if the cops are allowed to choose their initial positions before the game starts and before they know the gambler's distribution(s), and if both the gambler and the cops play optimally, then the expected capture time is $Θ(n/k)$ for the known gambler, the unknown gambler, and the known changing gambler.

연구 동기 및 목표

• 다른 정보 가정 조건 하에서 연결 n-정점 그래프에서 k명의 경찰이 확률적 도박사를 추적할 때의 예상 포획 시간을 분석하는 것.
• 경찰이 도박사의 분포를 알기 전에 초기 위치를 선택할 수 있을 때의 최적 전략을 규명하는 것.
• 세 가지 적 모델(알려진, 알려지지 않은, 알려진으로 변화하는 도박사)에 대해 예상 포획 시간의 날카운 점근적 경계를 설정하는 것.
• 그래프 분할과 깊이 우선 탐색을 활용한 분산 알고리즘 개발을 통해, 적대적 불확실성 하에서도 최적 성능을 달성하는 것.
• 연결 그래프에서 다양한 추적 게임 변형에 대해 악성 경우 포획 시간 경계에 대한 미해결 문제를 해결하는 것.

제안 방법

• 스패닝 트리와 정점 부분집합 선택에 관한 보조정리 1을 활용하여, n-정점 연결 그래프를 최대 k개의 크기가 2n/k + 1 이하인 연결 부문으로 분할한다.
• 각 경찰을 하나의 부문에 배정하고, 해당 부문의 스패닝 서브트리에서 깊이 우선 탐색(DFS)을 수행한다. 잎 정점에서는 추가로 한 번의 전진을 수행하여 커버리지 보장.
• 랜덤 동전 뒤집기를 통해 DFS 방향(전진 또는 후진)을 결정하여, 각 사이클당 예상 탐색 시간을 최대 3n/k + 1로 감소시킨다.
• 포획이 이루어질 때까지 DFS 사이클을 반복하며, 각 라운드에서 회피 확률이 ≤ e^(-2)이 되도록 하여, 예상 라운드 수는 약 1/(1 - e^(-2))가 된다.
• 알려진로 변화하는 도박사의 경우, 이중 단계 라운드를 사용한다: 먼저 고확률 정점으로 이동한 후, 그 정점들을 순찰한다. 공통 정점 처리를 통해 커버리지 보장.
• 그래프의 지름 d를 활용하여 저지름 그래프에 대해 더 날카운 경계를 유도하며, 매 d턴마다 경찰의 재배치를 주기적으로 수행한다.

실험 결과

연구 질문

• RQ1 알려진 도박사에 대해 연결 n-정점 그래프에서 k명의 경찰이 추적할 때의 최대 예상 포획 시간은 얼마인가?
• RQ2 알려지지 않은 도박사에 대해 연결 n-정점 그래프에서 k명의 경찰이 추적할 때의 최대 예상 포획 시간은 얼마인가?
• RQ3 알려진로 변화하는 도박사에 대해 연결 n-정점 그래프에서 k명의 경찰이 추적할 때의 최대 예상 포획 시간은 얼마인가?
• RQ4 알려지지 않은로 변화하는 도박사에 대해 연결 n-정점 그래프에서 k명의 경찰이 추적할 때의 최대 예상 포획 시간은 얼마인가?
• RQ5 그래프의 지름은 확률적 적을 동반한 추적 게임에서 예상 포획 시간에 어떤 영향을 미치는가?

주요 결과

• 알려진 도박사의 경우, 경찰이 최적의 초기 위치를 선택할 경우, 도박사의 분포와 관계없이 예상 포획 시간은 정확히 max(1, n/k)이다.
• 알려지지 않은 도박사의 경우, 예상 포획 시간은 3.94n/k + 1.16 이하로 제한되며, 이는 부문 기반 DFS와 랜덤 방향 선택을 통해 달성된다.
• 알려진로 변화하는 도박사의 경우, 예상 포획 시간은 6.33n/k + 3.17 이하로 제한되며, 변화하는 분포에 적응하는 이중 단계 라운드 전략을 통해 달성된다.
• 지름이 d인 그래프의 경우, 알려진로 변화하는 도박사의 예상 포획 시간은 최대 1 + dn/k 이며, 별처럼 낮은 지름을 가진 그래프에 대해 경계를 향상시킨다.
• 세 모델(알려진, 알려지지 않은, 알려진로 변화하는 도박사) 모두 n > k일 때 Θ(n/k)의 예상 포획 시간을 달성하여 점근적 최적성의 날카운 경계를 보여준다.
• 변화하는 도박사에 대해 하한 경계 Ω(n/k)가 성립함을 확인하여, 상한 경계가 점근적으로 날카로운 것임을 입증한다.