[論文レビュー] Optimal recovery of damaged infrastructure network

Alexander Gutfraind, Milan Bradonjić+1 more|arXiv (Cornell University)|Jul 11, 2012

Infrastructure Resilience and Vulnerability Analysis参考文献 9被引用数 4

ひとこと要約

本稿では、既に設置済みの隣接ノード数に基づいてノード設置順序を決定することにより、インフラ回復コストを最小化する離散最適化モデルであるNeighbor-Aided Network Installation Problem (NANIP) を提案する。減少凸関数の場合は最適解がNP困難であるが、5%以内の最適解に到達するグリーディヒューリスティクスを提供しており、線形時間計算量を達成するため、大規模な自然災害回復計画において実用的である。

ABSTRACT

Natural disasters or attacks may disrupt infrastructure networks on a vast scale. Parts of the damaged network are interdependent, making it difficult to plan and optimally execute the recovery operations. To study how interdependencies affect the recovery schedule, we introduce a new discrete optimization problem where the goal is to minimize the total cost of installing (or recovering) a given network. This cost is determined by the structure of the network and the sequence in which the nodes are installed. Namely, the cost of installing a node is a function of the number of its neighbors that have been installed before it. We analyze the natural case where the cost function is decreasing and convex, and provide bounds on the cost of the optimal solution. We also show that all sequences have the same cost when the cost function is linear and provide an upper bound on the cost of a random solution for an Erdős-Rényi random graph. Examining the computational complexity, we show that the problem is NP-hard when the cost function is arbitrary. Finally, we provide a formulation as an integer program, an exact dynamic programming algorithm, and a greedy heuristic which gives high quality solutions.

研究の動機と目的

• 設置コストが既に設置済みの隣接ノード数に依存するインフラストラクチャネットワーク回復を、離散最適化問題としてモデル化すること。
• 回復作業における相互依存性の影響を分析し、特に隣接ノードの支援が設置コストを低減するメカニズムを特定すること。
• 特に大規模ネットワーク向けに効率的なアルゴリズムを開発すること。
• 異なるコスト関数タイプにおける解の品質と計算複雑度の理論的境界を確立すること。
• シミュレーションで近似的に最適に近い性能を示す実用的でスケーラブルな解決策（例：グリーディヒューリスティクス）を提供すること。

提案手法

• ノード設置コストの合計を最小化する形で、Neighbor-Aided Network Installation Problem (NANIP) を定式化する。ここでコストは、ノードの既に設置済みの隣接ノード数に依存する。
• コスト関数 f(k) を、ノードの既に設置済みの隣接ノード数 k の関数として定義し、特に減少凸関数に注目する。
• 整数プログラミングと動的計画法を用いて問題を正確に解くが、時間計算量は指数的となる。
• 次の設置ノードを、現在のコストが最小（＝既に設置済みの隣接ノード数が最大）であるノードとして選ぶグリーディヒューリスティクスを提案する。
• 減少凸関数の下で、グリーディ解のコストに対する理論的上界を、ノード次数列とエッジ数を用いて導出する。
• Erdős-Rényiランダムグラフを用いたシミュレーションにより性能を評価し、グリーディヒューリスティクスを最適解および緩和境界と比較する。

実験結果

リサーチクエスチョン

• RQ1 隣接ノードの支援が設置コストを低減する場合、ノード設置順序が損傷インフラストラクチャネットワークの回復総コストに与える影響は何か？
• RQ2 コスト関数が任意の形である場合、最適な設置順序を求める計算複雑度はどのようになるか？
• RQ3 減少凸関数の下で、大規模インフラ回復に適した高速かつ近似的に最適なヒューリスティクスを設計できるか？
• RQ4 特定のコスト関数タイプの下で、最適解およびヒューリスティクス解のコストに対する理論的境界を確立できるか？
• RQ5 ネットワークの密度やサイズが異なる条件下で、グリーディヒューリスティクスの性能は最適解および緩和境界と比べてどの程度か？

主な発見

• コスト関数が任意の形の場合、問題はNP困難であることが示され、大規模インスタンスでは正確な解法が計算的に困難であることが判明した。
• コスト関数が線形の場合、すべての設置順序が同じ総コストをもたらすため、この場合は問題が自明になる。
• 減少凸関数の下で、シミュレーションにおいてグリーディヒューリスティクスが低密度・中密度・高密度ネットワークのすべてで最適コストの5%以内の解を得られた。
• ノード次数列とエッジ数を用いて、グリーディ解のコストに対する上界が導出され、性能ギャップの推定が可能になった。
• 動的計画法は指数的時間計算量であるため、小規模インスタンスに限定して使用可能であるが、グリーディヒューリスティクスは線形時間で実行され、非常にスケーラブルである。
• 整数プログラミングによる緩和境界は、解の品質評価のための有効な下限を提供し、最適性ギャップの推定が可能になった。