[論文レビュー] Growing Linear Consensus Networks Endowed by Spectral Systemic Performance Measures

Milad Siami, Nader Motee|arXiv (Cornell University)|Jun 23, 2017

Complex Network Analysis Techniques被引用数 4

ひとこと要約

本稿は、ラプラシアン固有値のスペクトル関数に基づく、単調性、凸性、直交不変性を特徴とする、線形一貫性ネットワークの包括的性能指標の新規クラスを導入する。本稿では、このような指標を最小化するための、2つの効率的な多項式時間近似アルゴリズム——線形化ベースとグリーディー1ランク更新——を提案し、スケーラビリティを保証する理論的性能境界と複雑度解析を提供する。

ABSTRACT

We propose an axiomatic approach for design and performance analysis of noisy linear consensus networks by introducing a notion of systemic performance measure. This class of measures are spectral functions of Laplacian eigenvalues of the network that are monotone, convex, and orthogonally invariant with respect to the Laplacian matrix of the network. It is shown that several existing gold-standard and widely used performance measures in the literature belong to this new class of measures. We build upon this new notion and investigate a general form of combinatorial problem of growing a linear consensus network via minimizing a given systemic performance measure. Two efficient polynomial-time approximation algorithms are devised to tackle this network synthesis problem: a linearization-based method and a simple greedy algorithm based on rank-one updates. Several theoretical fundamental limits on the best achievable performance for the combinatorial problem is derived that assist us to evaluate optimality gaps of our proposed algorithms. A detailed complexity analysis confirms the effectiveness and viability of our algorithms to handle large-scale consensus networks.

研究の動機と目的

• 線形一貫性ネットワークにおける包括的性能指標の統一的公理的枠組みを、ラプラシアン固有値のスペクトル関数を用いて形式化すること。
• H₂ノルム、H∞ノルム、ハーディ・シュワーツンノルムなど広く用いられる性能指標が、この新規クラスの特別なケースであることを同定および検証すること。
• 与えられた包括的性能指標を最小化するための、リンク追加によるネットワーク拡大という組合せ的ネットワーク合成問題に取り組むこと。
• 大規模ネットワーク設計のための、保証された性能ギャップを有する効率的近似アルゴリズムを開発すること。
• 提案されたアルゴリズムの最適性ギャップを評価するための、理論的基礎的限界を確立すること。

提案手法

• ラプラシアン行列に関して単調性、凸性、直交不変性を満たすスペクトル関数として、包括的性能指標を定義する。
• ネットワーク成長問題を、与えられた包括的性能指標を最小化するようにエッジを追加する組合せ最適化タスクとして定式化する。
• 非凸な組合せ問題を扱いやすい凸部分問題に緩和するため、線形化ベースの近似アルゴリズムを提案する。
• 性能向上が最大となるエッジを逐次的に追加する、順次1ランク更新に基づくグリーディーなアルゴリズムを開発する。
• スペクトル分解とシステムノルム恒等式（例：H₂、H∞、Hp）を用い、性能指標をラプラシアン固有値の関数として表現する。
• スキュア-凸関数および固有値のマジョライズーションの性質を用いて、達成可能な最良性能の理論的境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 一貫性ネットワークで広く用いられる性能指標のうち、新たに定義された包括的性能指標クラスに属するものは何か？
• RQ2 スペクトル的性能指標に基づく場合、ネットワーク成長問題はどのように組合せ最適化タスクとして定式化できるか？
• RQ3 ネットワーク成長による性能向上の理論的基礎的限界は何か？
• RQ4 大規模ネットワーク合成のための、保証された部分最適性バッファを持つ効率的近似アルゴリズムを設計できるか？
• RQ5 既存手法（例：SDP緩和やグリーディー準拠）と比較して、提案されたアルゴリズムの性能と複雑度はどのように異なるか？

主な発見

• 線形一貫性ネットワークのH₂ノルムは、$\|G\|_{\mathcal{H}_2} = \left(\frac{1}{2}\sum_{i=2}^{n}\lambda_i^{-1}\right)^{1/2}$ で与えられ、これは包括的性能指標である。
• H∞ノルムは $\|G\|_{\mathcal{H}_\infty} = \lambda_2^{-1}$ であり、ここで $\lambda_2$ は代数的連結度（algebraic connectivity）である。これは包括的性能指標である。
• p-ハーディ・シュワーツンノルムは、$2 \leq p \leq \infty$ に対して $\|G\|_{\mathcal{H}_p} = \alpha_0 \left(\zeta_{p-1}(L)\right)^{1 - 1/p}$ を満たし、これも包括的性能指標であることが証明された。
• 提案された線形化ベースのアルゴリズムとグリーディー1ランク更新アルゴリズムの両方とも、多項式時間の複雑度を達成し、保証された部分最適性バッファを提供する。
• 固有値のマジョライズーションとスキュア-凸性の性質を用いて、性能の理論的基礎的限界が導出され、最適性ギャップの評価が可能になった。
• 複雑度解析により、アルゴリズムのスケーラビリティが大規模一貫性ネットワークに対しても確認され、理論的境界による計算効率の妥当性が裏付けられた。