[论文解读] Barrier Coverage with Non-uniform Lengths to Minimize Aggregate Movements

Serge Gaspers, Joachim Gudmundsson+2 more|arXiv (Cornell University)|Sep 29, 2017

Indoor and Outdoor Localization Technologies参考文献 2被引用 3

一句话总结

本文研究线段上的屏障覆盖问题，其中具有非均匀半径的传感器必须重新定位以覆盖目标区间 [0,L]，同时最小化总移动距离。提出了一种 ((2+ε)ρ + 2/ε)-近似算法，时间复杂度为 O(n³/ε²)，并证明除非 P=NP，否则不存在 ρ¹⁻⁰ 近似算法，且当以总移动预算 B 为参数时，问题具有固定参数可追踪性。

ABSTRACT

Given a line segment $I=[0,L]$, the so-called barrier, and a set of $n$ sensors with varying ranges positioned on the line containing $I$, the barrier coverage problem is to move the sensors so that they cover $I$, while minimising the total movement. In the case when all the sensors have the same radius the problem can be solved in $O(n \log n)$ time (Andrews and Wang, Algorithmica 2017). If the sensors have different radii the problem is known to be NP-hard to approximate within a constant factor (Czyzowicz et al., ADHOC-NOW 2009). We strengthen this result and prove that no polynomial time $ρ^{1-\varepsilon}$-approximation algorithm exists unless $P=NP$, where $ρ$ is the ratio between the largest radius and the smallest radius. Even when we restrict the number of sensors that are allowed to move by a parameter $k$, the problem turns out to be W[1]-hard. On the positive side we show that a $((2+\varepsilon)ρ+2/\varepsilon)$-approximation can be computed in $O(n^3/\varepsilon^2)$ time and we prove fixed-parameter tractability when parameterized by the total movement assuming all numbers in the input are integers.

研究动机与目标

• 解决非均匀传感器半径下屏障覆盖中最小化传感器总移动距离的 NP-难问题。
• 分析该问题在最大与最小传感器半径之比 ρ 的意义上的近似难解性。
• 设计一种时间复杂度为多项式时间的近似算法，其性能依赖于 ρ 和 ε。
• 研究参数复杂度，特别是当移动传感器数量或总移动预算较小时的情况。
• 在整数输入约束下，证明当总移动预算 B 为参数时，问题具有固定参数可追踪性。

提出的方法

• 提出一种保持顺序的解决方案策略，即在最终配置中保持传感器沿直线的顺序不变。
• 通过离散化候选位置并利用预算约束限制每段间隙相关的传感器数量，设计出 (2+ε)ρ + 2/ε-近似算法。
• 采用分支算法，仅考虑距离每段间隙不超过 B 的传感器，并将每位置的考虑范围限制在 B+1 个最长区间内，以控制搜索空间。
• 证明最优解可被限制在整数位置，从而通过分支实现精确计算。
• 应用参数复杂度技术，证明当以总移动预算 B 为参数时，问题具有固定参数可追踪性。
• 利用传感器区间与间隙的结构特性，限制候选传感器移动与位置的数量。

实验结果

研究问题

• RQ1 能否设计出一种多项式时间近似算法，用于非均匀屏障覆盖，其近似比依赖于最大与最小传感器半径之比 ρ？
• RQ2 在多项式时间内可达到的近似比是否存在根本性限制，且该限制是否依赖于 ρ？
• RQ3 在整数输入假设下，当以总移动预算 B 为参数时，该问题是否具有固定参数可追踪性？
• RQ4 近似比能否超越 (2+ε)ρ + 2/ε，理想情况下达到 ρ + O(1)？
• RQ5 当以移动传感器数量 k 为参数时，该问题是否仍具有固定参数可追踪性？

主要发现

• 除非 P=NP，否则不存在 ρ¹⁻⁰-近似多项式时间算法，确立了强不可近似性阈值。
• 对任意 ε>0，可在 O(n³/ε²) 时间内实现 ((2+ε)ρ + 2/ε)-近似算法。
• 当以移动传感器数量 k 为参数时，问题为 W[1]-难。
• 当以总移动预算 B 为参数时，问题具有固定参数可追踪性，可在 2^{2B²(B+1)} · n^{O(1)} 时间内求解。
• 最优解可被限制在整数位置，从而支持通过分支实现精确算法。
• 若将保持顺序的解限制在更紧致的分析范围内，近似比可改进为 ρ + O(1)，但该问题仍为开放问题。