[논문 리뷰] Modulus consensus in discrete-time signed networks and properties of special recurrent inequalities

Anton V. Proskurnikov, Ming Cao|arXiv (Cornell University)|2017. 03. 20.

Opinion Dynamics and Social Influence참고 문헌 31인용 수 8

한 줄 요약

이 논문은 확률적 행렬을 포함하는 이산시간 반복 부등식의 유계해가 공감에 수렴함을 입증하며, 부호가 있는 네트워크에서의 모듈러스 공감 개념을 일반화한다. 주요 기여는 '공감 이분법성' 성질을 증명하는 것이다: 약간의 연결성 가정 하에 부등식 $ x(k+1) \leq W(k)x(k) $ 의 유계해는 공통의 극한으로 수렴하며, 이는 부호가 있는 네트워크 역학과 분산 최적화 결과를 통합하고 확장한다.

ABSTRACT

Recently the dynamics of signed networks, where the ties among the agents can be both positive (attractive) or negative (repulsive) have attracted substantial attention of the research community. Examples of such networks are models of opinion dynamics over signed graphs, recently introduced by Altafini (2012,2013) and extended to discrete-time case by Meng et al. (2014). It has been shown that under mild connectivity assumptions these protocols provide the convergence of opinions in absolute value, whereas their signs may differ. This "modulus consensus" may correspond to the polarization of the opinions (or bipartite consensus, including the usual consensus as a special case), or their convergence to zero. In this paper, we demonstrate that the phenomenon of modulus consensus in the discrete-time Altafini model is a manifestation of a more general and profound fact, regarding the solutions of a special recurrent inequality. Although such a recurrent inequality does not provide the uniqueness of a solution, it can be shown that, under some natural assumptions, each of its bounded solutions has a limit and, moreover, converges to consensus. A similar property has previously been established for special continuous-time differential inequalities (Proskurnikov, Cao, 2016). Besides analysis of signed networks, we link the consensus properties of recurrent inequalities to the convergence analysis of distributed optimization algorithms and the problems of Schur stability of substochastic matrices.

연구 동기 및 목표

• 부호가 있는 네트워크에서의 모듈러스 공감 개념을 더 넓은 범위의 이산시간 반복 부등식 클래스로 일반화하기.
• 이러한 부등식의 유계해에 대한 공감 이분법성 성질을 확립하여, 약간의 연결성 가정 하에 공통 극한으로 수렴함을 보이기.
• 기존의 부호가 있는 네트워크에서의 공감 및 분산 최적화 알고리즘 결과를 통합하고 확장하기.
• 이 반복 부등식 프레임워크와 행렬 이론, 특히 부분확률 행렬의 슈어 안정성과의 연결 고리 탐색하기.
• 이 프레임워크가 볼록 타당성 및 최적화 문제를 해결하는 분산 알고리즘에 어떻게 적용 가능한지 보여주기.

제안 방법

• 이산시간 반복 부등식 $ x(k+1) \leq W(k)x(k) $ 를 분석하며, 여기서 $ W(k) $ 는 확률 행렬의 수열이다.
• 닫힌 볼록집합 위로의 사영 이론을 적용하여 분산 최적화 프로토콜의 수렴 성질 유도하기.
• 해의 집합으로부터의 거리 유계를 확보하기 위해 사영 성질 $ \|x - \xi_0\|^2 \geq \|P_{\Xi_i}(x) - \xi_0\|^2 + d_i(x)^2 $ 를 사용하기.
• 가정 1과 2 하에서 상태 벡터 $ \xi_i(k) $ 가 $ \Xi = \bigcap \Xi_i $ 에서 공통 극한으로 수렴함을 증명하기.
• 오차 항 $ e_i(k) = \xi_i(k+1) - \eta_i(k) $ 와 집합으로부터의 거리 $ d_i(\xi_i(k)) $ 가 점점 없어짐을 증명하기.
• 연속시간 공감 이분법성 결과(Proskurnikov & Cao, 2016) 를 이산시간 설정으로 확장하여 유사한 수렴 행동을 증명하기.

실험 결과

연구 질문

• RQ1 이산시간 반복 부등식 $ x(k+1) \leq W(k)x(k) $ 의 유계해가 어떤 조건에서 공감으로 수렴하는가?
• RQ2 연속시간 미분 부등식에서의 공감 이분법성 성질이 이산시간으로 어떻게 일반화되는가?
• RQ3 부호가 있는 네트워크에서의 모듈러스 공감과 이 클래스의 반복 부등식 해 사이의 관계는 무엇인가?
• RQ4 이 부등식 프레임워크는 어떻게 분산 최적화 및 선형 방정식 해법 알고리즘에 적용 가능한가?
• RQ5 이 프레임워크는 부분확률 행렬의 슈어 안정성에 대해 어떤 함의를 갖는가?

주요 결과

• 확률 행렬의 수열 $ W(k) $ 가 약간의 연결성 가정을 만족할 경우, 이산시간 반복 부등식 $ x(k+1) \leq W(k)x(k) $ 의 유계해는 공통 극한으로 수렴한다.
• 공감 이분법성 성질이 성립한다: 모든 유계해는 공감으로 수렴하며, 비유계해는 수렴하지 않는다.
• 이 프레임워크는 아르타피니 모델의 이산시간 버전에서의 모듈러스 공감을 설명하고 일반화한다. 여기서 의견은 절댓값으로 수렴하지만 부호는 다를 수 있다.
• 가정 1과 2 하에서 분산 최적화 프로토콜 (10)–(12) 이 볼록집합 $ \Xi_1 \cap \cdots \cap \Xi_n $ 의 공통점으로 수렴함을 증명한다.
• 오차 항 $ e_i(k) = \xi_i(k+1) - \eta_i(k) $ 와 타당 집합으로부터의 거리 $ d_i(\xi_i(k)) $ 는 모두 0으로 수렴하여 제약 조건이 있는 공감을 보장한다.
• 결과는 행렬 이론으로까지 확장되며, 부분확률 행렬의 슈어 안정성 및 반복 알고리즘의 수렴성에 대한 함의를 보여준다.