[논문 리뷰] Linear Search with Terrain-Dependent Speeds

Jurek Czyzowicz, Evangelos Kranakis외 4명|arXiv (Cornell University)|2017. 01. 11.

Optimization and Search Problems참고 문헌 17인용 수 6

한 줄 요약

이 논문은 기울기, 방향성 속도 차이, 가속도 등과 같은 다양한 속도를 가지는 지형에서 로봇의 선형 탐색 알고리즘을 연구한다. 경쟁 비율 분석을 통해 최적화된 진자형 탐색 전략을 제안하며, 비콘 모델에서는 이중화 전략이 여전히 최적임을 보이고, 가속도 모델에서는 목표 거리가 증가할수록 향상된 경쟁 비율을 달성할 수 있음을 밝힌다.

ABSTRACT

We revisit the linear search problem where a robot, initially placed at the origin on an infinite line, tries to locate a stationary target placed at an unknown position on the line. Unlike previous studies, in which the robot travels along the line at a constant speed, we consider settings where the robot's speed can depend on the direction of travel along the line, or on the profile of the terrain, e.g. when the line is inclined, and the robot can accelerate. Our objective is to design search algorithms that achieve good competitive ratios for the time spent by the robot to complete its search versus the time spent by an omniscient robot that knows the location of the target. We consider several new robot mobility models in which the speed of the robot depends on the terrain.These include 1) different constant speeds for different directions, 2) speed with constant acceleration and/or variability depending on whether a certain segment has already been searched, 3) speed dependent on the incline of the terrain. We provide both upper and lower bounds on the competitive ratios of search algorithms for these models, and in many cases, we derive optimal algorithms for the search time.

연구 동기 및 목표

• 고정 속도 로봇 탐색 모델의 한계를 해결하기 위해 선형 탐색 문제에 지형에 따라 변하는 속도를 도입한다.
• 방향에 따라 다른 속도, 가속도, 탐색 이력 등 다양한 속도 모델이 탐색 효율성에 미치는 영향을 분석한다.
• 이러한 변동 속도 조건 하에서 최적 또는 근사 최적의 경쟁 비율을 달성하는 탐색 알고리즘을 설계한다.
• 다양한 이동성 모델에 대해 성능의 이론적 한계, 즉 상한 및 하한 경쟁 비율을 수립한다.
• 로봇의 속도가 지형 프로파일이나 이동 방향에 따라 변하는 상황으로 고전적 이중화 전략을 일반화한다.

제안 방법

• 절대 방향에 따라 속도가 다른 방향 의존성 속도를 갖는 시간 기반 진자형 전략을 제안한다. 예를 들어 오른쪽으로 이동할 때 더 빠른 속도를 가진다.
• 원점 쪽으로 이동할수록 속도가 증가하는 비콘 모델을 도입하여 내리막길의 가속도를 모델링한다.
• 이미 탐색한 영역는 더 빠르게 통과하는 탐색 이력 모델을 개발하여 이전에 이동한 경로에 따라 적응형 탐색 속도를 설정한다.
• 로봇의 탐색 시간을 목표 위치를 알고 있는 전지적 적대자와 비교하기 위해 경쟁 비율 분석을 적용한다.
• 재귀 관계와 점근적 분석을 사용하여 이중화 전략과 지수적 확장 인자에 대해 경쟁 비율의 한계를 유도한다.
• 적분과 합계 근사 기법을 사용하여 일정 가속도 하에서의 탐색 시간을 추정하며, 운동을 $ v = ct $ 및 $ x = \frac{1}{2}ct^2 $ 로 모델링한다.

실험 결과

연구 질문

• RQ1 한 방향으로 더 빠른 속도를 가지는 지형(예: 뒷바람 효과)에서 로봇이 탐색할 때 최적의 경쟁 비율은 무엇인가?
• RQ2 원점 쪽으로 이동할 때 더 빠른 속도를 가지는 비콘 모델에서, 원점에서 멀어질 때보다 경쟁 비율은 어떻게 변화하는가?
• RQ3 이전에 탐색한 경로에서 속도를 높여서 성능을 향상시키는 전략은 더 나은 경쟁 성능을 달성할 수 있는가?
• RQ4 원점 쪽 또는 멀어지는 방향으로 일정 가속도를 가지는 로봇에 대해 어떤 경쟁 비율 한계를 설정할 수 있는가?
• RQ5 가속도 기반 모델에서 목표 거리가 증가함에 따라 이중화 전략의 성능은 향상되거나 악화되는가?

주요 결과

• 뒷바람 효과가 있는 모델(한 방향에서 더 빠른 속도)에서는 시간 기반 진자형 전략이 표준 이중화 전략보다 우수하며, 경쟁 비율이 9 이하가 된다.
• 비콘 모델(원점으로 복귀할 때 더 빠른 속도)에서는 이중화 전략이 여전히 최적이며, 정확히 9의 경쟁 비율을 달성한다.
• 탐색 이력 모델에서는 속도 비율 $ s $ 에 따라 변하는 확장 인자를 갖는 점근적으로 최적의 전략이 존재하며, 반복 이동 시 성능 향상을 이룬다.
• 원점 쪽으로 일정 가속도를 가지는 경우, 이중화 전략의 경쟁 비율은 $ 5 + O(d^{-1/2}) $ 로 유계이며, 하한은 $ \sigma^* \geq 5 $ 이며, $ d \to \infty $ 일 때 5로 수렴함을 보여, 수렴함을 확인한다.
• 반대 경우(원점에서 멀어지는 방향은 단위 속도, 원점 쪽으로 가속도)에서도 경쟁 비율은 $ 5 + O(d^{-1/2}) $ 로 유계이며, 하한 5가 유지되어 근사 최적임을 시사한다.
• 가속도 모델에서는 경쟁 비율이 유계이거나 거리 $ d $ 가 증가함에 따라 향상될 수 있으며, 이는 이중 속도 모델의 유계 성능과 대비된다.