[论文解读] Decision-Theoretic Troubleshooting: Hardness of Approximation

Václav Ĺın|arXiv (Cornell University)|Jan 1, 2012

Bayesian Modeling and Causal Inference参考文献 19被引用 2

一句话总结

本文证明，在贝叶斯网络中寻找最优或近似最优的故障排除策略不仅属于NP难问题，而且无法在任何常数因子内进行近似。作者证明，即使近似最小期望维修成本也是计算上不可行的，揭示了在可扩展的决策理论故障排除中存在根本性限制。

ABSTRACT

Troubleshooting is one of the application areas of Bayesian networks. Given a probabilistic model of a malfunctioning device, the task is to find the repair strategy with minimal expected cost. Except for simple cases, finding an optimal strategy is NP-hard. We show that optimal troubleshooting strategies are also hard to approximate.

研究动机与目标

• 研究在贝叶斯网络中寻找最优故障排除策略的计算复杂性。
• 确定故障排除问题的近似解是否可以高效计算。
• 在概率模型下，建立决策理论故障排除可计算性的理论界限。
• 分析在故障系统中最小化期望维修成本的近似难度。

提出的方法

• 将故障排除问题形式化为贝叶斯网络模型上的决策理论优化任务。
• 将已知的NP难问题归约为故障排除问题，以证明最优策略的NP难性。
• 应用计算复杂性理论中的近似难度技术，以证明不可近似性。
• 证明除非P = NP，否则不存在多项式时间算法能实现常数因子近似。
• 使用概率图模型表示设备故障和维修成本。
• 证明即使在贝叶斯网络结构的弱假设下，该问题依然难以计算。

实验结果

研究问题

• RQ1 在贝叶斯网络中寻找最优故障排除策略在计算上是否可行？
• RQ2 能否在常数因子内高效近似近似最优的故障排除策略？
• RQ3 决策理论故障排除的近似算法效率存在哪些理论限制？
• RQ4 最优策略的NP难性是否可推广至近似难度？

主要发现

• 在贝叶斯网络中，最优故障排除策略的计算属于NP难问题。
• 在多项式时间内，无法在任何常数因子内近似最优策略。
• 即使在贝叶斯网络结构的受限条件下，该近似难度依然存在。
• 该结果意味着，除非P = NP，否则不存在高效的近似算法。
• 该理论上的不可计算性适用于概率故障诊断中最小化期望维修成本的问题。
• 研究结果确立了在复杂系统中实现可扩展决策理论故障排除的根本障碍。