[논문 리뷰] Distributed Submodular Minimization And Motion Coordination Over Discrete State Space

Hassan Jaleel, Jeff S. Shamma|arXiv (Cornell University)|2017. 09. 21.

Complexity and Algorithms in Graphs참고 문헌 27인용 수 3

한 줄 요약

이 논문은 이산 라티스 위에서 하위모듈라 함수를 최소화하기 위한 분산 프레임워크를 제안한다. 이는 다항식 시간에 계산 가능한 볼록 확장을 활용하여 정확한 해를 분산 볼록 최적화를 통해 도출한다. 제안된 방법은 캐치 더 플래그 게임을 통한 운동 조율 작업에서 검증되었으며, 하위모듈라 잠재력 장을 통해 충돌 없이 목표 향한 에이전트 행동을 보장한다.

ABSTRACT

We develop a framework for the distributed minimization of submodular functions. Submodular functions are a discrete analog of convex functions and are extensively used in large-scale combinatorial optimization problems. While there has been significant interest in the distributed formulations of convex optimization problems, distributed minimization of submodular functions has received relatively little research attention. Our framework relies on an equivalent convex reformulation of a submodular minimization problem, which is efficiently computable. We then use this relaxation to exploit methods for the distributed optimization of convex functions. The proposed framework is applicable to submodular set functions as well as to a wider class of submodular functions defined over certain lattices. We also propose an approach for solving distributed motion coordination problems in discrete state space based on submodular function minimization. We establish through a challenging setup of capture the flag game that submodular functions over lattices can be used to design artificial potential fields over discrete state space in which the agents are attracted towards their goals and are repulsed from obstacles and from each other for collision avoidance.

연구 동기 및 목표

• 특히 집합 함수를 초월한 하위모듈라 함수 최소화를 위한 분산 알고리즘이 부족한 문제를 해결하기 위해.
• 순서가 매겨진 라티스, 특히 전체적으로 순서가 매겨진 집합의 곱에 이르기까지 하위모듈라 최적화를 확장하기 위해.
• 이산 상태 공간에서의 분산 운동 조율에 하위모듈라 최소화를 적용하기 위해.
• 협력, 목표 향한 행동, 충돌 방지를 강제하는 하위모듈라 함수를 사용해 인공 잠재력 장을 설계하기 위해.
• 다중 에이전트 시스템에서 하위모듈라 잠재력 장의 온라인, 분산 최소화의 가능성을 입증하기 위해.

제안 방법

• 프레임워크는 라티스 위에서 하위모듈라 함수의 연속적 볼록 확장을 사용하며, 이는 하위모듈라성을 유지하고 볼록 완화를 통한 정확한 최소화를 가능하게 한다.
• 확장은 근사 알고리즘을 통해 효율적으로 계산되며, 그 하위기울기(subgradient)는 자연스럽게 부산물로 제공된다.
• 프로젝션 하위기울기 방법이 분산 방식으로 적용되며, 에이전트는 국소 추정치를 유지하고 이웃과만 통신한다.
• 지역 업데이트와 정보 혼합을 통해 국소 업데이트를 통해 원래 하위모듈라 문제의 전역 최소값으로 점차 수렴한다.
• 목표 향한 힘을 유도하는 인공 잠재력 장이 하위모듈라 함수를 사용해 구성되며, 장애물 및 다른 에이전트로부터의 반발력을 제공한다.
• 시스템은 한 단계 예측을 사용하는 후퇴 주기 제어 프레임워크에 구현되었으며, 공격자 행동에 대한 확률적 전이 규칙을 사용한다.

실험 결과

연구 질문

• RQ1 표준 집합 함수를 초월한 라티스 위에서 하위모듈라 함수 최소화를 효과적으로 분산화할 수 있는가?
• RQ2 이산 상태 공간에서 운동 조율을 위한 하위모듈라 함수를 사용해 인공 잠재력 장을 설계할 수 있는가?
• RQ3 분산 하위기울기 방법이 볼록 완화를 통해 하위모듈라 함수의 정확한 최소화를 달성할 수 있는가?
• RQ4 다중 에이전트 조율 작업에서 다양한 행동 임계치가 수비자 전략에 미치는 영향은 무엇인가?
• RQ5 분산 하위모듈라 최소화와 잠재력 장 설계가 복잡한 환경에서 충돌 없이 목표 향한 운동을 공동으로 가능하게 하는가?

주요 결과

• 라티스 위에서 하위모듈라 함수의 볼록 확장은 원래 문제를 다항식 시간에 해결 가능한 볼록 최적화 문제로 정확히 재구성할 수 있다.
• 연속적 확장의 하위기울기는 근사 알고리즘을 통해 계산 가능하며, 이는 효율적인 분산 구현을 가능하게 한다.
• 분산 프로젝션 하위기울기 알고리즘은 국소 통신과 업데이트를 통해 전역 최소값으로 점차 수렴한다.
• 캐치 더 플래그 시뮬레이션에서 수비자들은 충돌 없이 유지되었으며, 임계치 δ_th에 따라 행동을 조정하였다. 수비자들은 공격 자세에서 수비 자세로 전환하였다.
• δ_th = 5일 경우 모든 수비자들은 자신의 기지 근처에 머물렀고, δ_th = 20일 경우 공격자를 추격하였다. 이는 행동의 적응 가능성을 보여주었다.
• 이 프레임워크는 분산 하위모듈라 최소화를 통해 복잡한 다중 에이전트 환경에서 효과적이고 충돌 없는 궤적을 성공적으로 생성하였다.