[论文解读] A Method for Solving Distributed Service Allocation Problems

José M. Vidal|ArXiv.org|Jun 20, 2003

Optimization and Search Problems参考文献 13被引用 9

一句话总结

本文提出了一种基于代理的爬山法与投标协议的分布式、效用最大化方法，用于求解服务分配问题。结果表明，增加代理间的通信可使个体效用景观与全局景观相关联，从而使代理通过自私决策收敛至全局最优解——在中等通信水平下观察到相变现象，当代理从五个或更多邻居接收投标时，性能显著提升。

ABSTRACT

We present a method for solving service allocation problems in which a set of services must be allocated to a set of agents so as to maximize a global utility. The method is completely distributed so it can scale to any number of services without degradation. We first formalize the service allocation problem and then present a simple hill-climbing, a global hill-climbing, and a bidding-protocol algorithm for solving it. We analyze the expected performance of these algorithms as a function of various problem parameters such as the branching factor and the number of agents. Finally, we use the sensor allocation problem, an instance of a service allocation problem, to show the bidding protocol at work. The simulations also show that phase transition on the expected quality of the solution exists as the amount of communication between agents increases.

研究动机与目标

• 为分布式服务分配问题建立一个通用框架，使代理在自私行为下仍能实现全局效用最大化。
• 分析代理间通信如何塑造个体效用景观与全局效用景观之间的相关性。
• 评估基于爬山法与投标协议的算法在实现最优服务分配方面的性能。
• 识别系统性能从次优行为向全局最优行为转变的临界通信阈值。
• 通过传感器分配问题作为服务分配的实际实例，验证该方法的有效性。

提出的方法

• 将服务分配问题建模为基于个体代理效用之和定义的全局适应度景观上的搜索问题。
• 采用简单的爬山算法，使代理基于可用信息迭代提升其局部效用。
• 引入全局爬山变体，使代理能够以类似集中式的方式评估所有可能的移动，尽管仍处于分布式设置中。
• 提出一种投标协议算法，其中消费者代理向潜在服务提供者发送投标，以实现去中心化协调。
• 将通信建模为从消费者到传感器的信息交换，代理根据接收到的投标做出决策。
• 通过调节邻居数量（通信范围）来分析系统行为，该参数影响景观相关性及向全局最优的收敛性。

实验结果

研究问题

• RQ1 增加代理间通信如何影响个体代理效用景观与全局效用景观之间的相关性？
• RQ2 在何种通信水平下，系统在解质量上表现出相变？
• RQ3 仅依赖局部信息的纯粹自私、分布式算法能否在服务分配问题中实现全局效用最大化？
• RQ4 在收敛速度与解质量方面，投标协议相较于爬山法有何差异？
• RQ5 异步决策对最终分配的稳定性与最优性有何影响？

主要发现

• 当邻居数量（通信源数量）从三个增加到五个时，系统性能出现相变，达到全局最优的概率从接近零跃升至98%。
• 仅有三个邻居时，系统因信息不足而陷入低效用配置，导致协调效果差。
• 当目标与五个或更多传感器通信时，系统始终收敛至全局最优分配，表明存在临界通信阈值。
• 当邻居数量为四个时，最终分配效用的分布较为均匀，表明性能不稳定且缺乏收敛性。
• 通信增加使个体代理效用景观与全局景观相关联，从而使自私代理能够集体达到全局最优。
• 投标协议通过使代理能够做出局部最优决策并使其与全局效用最大化对齐，成功实现了分布式爬山法。