[논문 리뷰] PT-ISABB: A Hybrid Tree-based Complete Algorithm to Solve Asymmetric Distributed Constraint Optimization Problems

Yanchen Deng, Ziyu Chen외 3명|arXiv (Cornell University)|2019. 02. 16.

Constraint Satisfaction and Optimization참고 문헌 28인용 수 6

한 줄 요약

이 논문은 비대칭 분산 제약 최적화 문제(ADCOPs)를 위한 하이브리드 트리 기반 완전 알고리즘인 PT-ISABB를 제안한다. 이 알고리즘은 ADPOP를 활용한 맞춤형 추론 단계를 통해 날카운 빈도를 낮추고, SABB의 변종인 트리 기반 탐색 단계를 통해 최적성을 보장한다. 기존 최첨단 알고리즘보다 메시지 수와 NCLO가 적고, 효과적인 가지치기와 부분 제약 제거 덕분에 복잡한 문제에서 더 적은 비밀유출을 경험한다.

ABSTRACT

Asymmetric Distributed Constraint Optimization Problems (ADCOPs) have emerged as an important formalism in multi-agent community due to their ability to capture personal preferences. However, the existing search-based complete algorithms for ADCOPs can only use local knowledge to compute lower bounds, which leads to inefficient pruning and prohibits them from solving large scale problems. On the other hand, inference-based complete algorithms (e.g., DPOP) for Distributed Constraint Optimization Problems (DCOPs) require only a linear number of messages, but they cannot be directly applied into ADCOPs due to a privacy concern. Therefore, in the paper, we consider the possibility of combining inference and search to effectively solve ADCOPs at an acceptable loss of privacy. Specifically, we propose a hybrid complete algorithm called PT-ISABB which uses a tailored inference algorithm to provide tight lower bounds and a tree-based complete search algorithm to exhaust the search space. We prove the correctness of our algorithm and the experimental results demonstrate its superiority over other state-of-the-art complete algorithms.

연구 동기 및 목표

• 기존의 탐색 기반 완전 알고리즘이 약한 국소 하한을 기반으로 하여 가지치기가 열악하여 효율성이 떨어지는 문제를 해결하기 위해.
• DPOP/ADPOP과 같은 추론 기반 알고리즘의 비밀유출 한계를 극복하기 위해, 전체 제약 조건을 공개해야 하며 비대칭 환경에서는 적용이 불가능하다는 점을 해결하기 위해.
• 추론을 통해 날카운 하한을 확보하면서도 비밀유지를 유지하고 트리 기반 탐색을 통해 완전성을 보장하는 하이브리드 접근법을 설계하기 위해.
• 추론과 탐색을 융합했을 때 순수 탐색 또는 순수 추론 방법보다 더 나은 성능과 비밀유출의 상호보완적 조건을 달성할 수 있는지 평가하기 위해.

제안 방법

• 추론 단계에서 ADPOP의 국소적 제거가 아닌 비국소적 제거 버전을 사용하여 일부 제약 조건을 해결하고, 더 날카운 하한을 확보하기 위해 유틸리티 테이블을 사전 계산한다.
• 이러한 사전 계산된 테이블은 에이전트에서 조회 테이블로 저장되어 탐색 단계에서 강력한 가지치기 능력을 갖춘 지도 역할을 한다.
• 가상의 트리 구조 위에서 SABB의 트리 기반 변종을 적용하여 탐색 공간을 체계적으로 탐색하고 완전성을 보장한다.
• 에이전트에서 변수를 전송하기 이전에 제거하는 국소적 제거 버전을 지원하여 부모 에이전트의 비밀유출을 줄인다.
• 추론 단계에서 생성된 하한은 차원 제한 $k = \infty$일 때 AsymPT-FB의 하한보다 낮지 않다는 것이 증명되어 있다.
• 부분 제거를 통한 추론 단계 정보 공개 제한과 가지치기를 통한 탐색 단계 비순리한 분지 제거를 통해 비밀유지와 효율성의 균형을 이룬다.

실험 결과

연구 질문

• RQ1 추론과 탐색을 융합함으로써 ADCOPs의 완전 알고리즘 효율성을 높일 수 있을까, 동시에 비밀성을 유지할 수 있을까?
• RQ2 맞춤형 ADPOP 추론 단계에서 생성된 하한은 AsymPT-FB와 같은 기존 탐색 기반 알고리즘의 하한과 비교해 어떻게 다를까?
• RQ3 최첨단 완전 알고리즘과 비교했을 때 하이브리드 접근법이 통신 오버헤드와 계산 비용(NCLO)을 얼마나 줄일 수 있을까?
• RQ4 특히 높은 타이트니와 낮은 타이트니 문제 인스턴스에서 PT-ISABB의 비밀유출은 다른 알고리즘과 비교해 어떻게 다를까?
• RQ5 PT-ISABB의 국소적 제거 버전은 성능을 희생시키지 않으면서도 비밀유지 성능을 추가로 향상시킬 수 있을까?

주요 결과

• $k \geq 4$일 때 PT-ISABB는 다양한 벤치마크에서 AsymPT-FB 및 기타 탐색 기반 완전 알고리즘보다 메시지 수와 NCLO를 크게 감소시킨다.
• 특히 타이트니가 높은 문제에서, 추론 단계에서 생성된 날카운 하한 덕분에 PT-ISABB는 AsymPT-FB보다 더 뛰어난 성능을 발휘한다.
• 복잡한(높은 타이트니) 문제에서 PT-ISABB는 AsymPT-FB보다 비밀유출이 줄어들며, 날카운 하한 덕분에 더 효과적인 가지치기로 정보 공개가 감소한다.
• 저타이트니 문제에서는 PT-ISABB의 국소적 제거 버전이 비밀유지 성능을 더 높이며, 자식 에이전트의 유틸리티에서 0 값이 있는 경우 부모가 타당한 할당 쌍을 유추하는 것을 방지한다.
• $k = \infty$일 때 PT-ISABB의 하한은 AsymPT-FB의 하한보다 낮지 않다는 것이 증명되어 있어, 가지치기 능력에 하락이 없음을 보장한다.
• 저타이트니 문제에서는 높은 비용의 추론으로 인해 NCLO가 더 높지만, 우수한 가지치기와 메시지 효율성 덕분에 전체적으로 경쟁자들을 능가한다.