[论文解读] Expected Coverage of Random Walk Mobility Algorithm

Moritz Kohls, Tanja Hernandez|arXiv (Cornell University)|Nov 9, 2016

Optimization and Search Problems参考文献 2被引用 3

一句话总结

本文提出了一种基于吸收态马尔可夫链的解析解，用于建模无人机蜂群中对称随机游走移动算法的预期覆盖范围，以分析随时间变化的覆盖情况。研究证明，忽略覆盖事件之间的依赖性会导致显著的不准确，通过仿真验证了正确模型的准确性，并表明MCMC模拟可作为大规模系统中可靠的替代方法。

ABSTRACT

Unmanned aerial vehicles (UAVs) have been increasingly used for exploring areas. Many mobility algorithms were designed to achieve a fast coverage of a given area. We focus on analysing the expected coverage of the symmetric random walk mobility algorithm with independent mobility. Therefore we proof the dependence of certain events and develop Markov models, in order to provide an analytical solution for the expected coverage. The analytic solution is afterwards compared to those of another work and to simulation results.

研究动机与目标

• 推导对称随机游走移动在无人机蜂群中预期覆盖范围的准确解析解。
• 识别并纠正先前研究中假设覆盖事件相互独立所导致的错误。
• 通过MCMC模拟验证修正后的解析模型。
• 将修正模型的性能与先前的近似方法及仿真结果进行比较。

提出的方法

• 将无人机移动建模为在二维网格上的离散时间、齐次马尔可夫链，其中状态表示网格位置。
• 引入吸收态以建模首次访问事件，从而能够计算首次通过时间的概率。
• 使用转移矩阵 P_r，并在对角线 (r,r) 处设置值为1，以表示在状态 r 处的吸收，从而可通过矩阵幂运算计算 P(X_n = r)。
• 通过所有状态上首次访问概率的平均值推导预期覆盖范围：E[coverage] = (1/|E|) * Σ_r (π₀ P_r^n)_r。
• 将模型扩展至多无人机独立移动，使用公式 P(C_n,r^multi=1) = 1 - (1 - P(C_n,r=1))^|E|。
• 通过MCMC模拟验证结果，以确认解析模型相对于朴素独立性假设的正确性。

实验结果

研究问题

• RQ1 在对称随机游走移动模型下，考虑事件依赖性的真正解析表达式是什么？
• RQ2 为何先前文献[1]中的解析解产生错误结果？其根本原因是什么？
• RQ3 假设覆盖事件相互独立如何影响预期覆盖范围估计的准确性？
• RQ4 MCMC模拟与修正后的解析解在多大程度上一致？
• RQ5 尽管存在计算复杂性，修正后的模型是否可在大规模无人机蜂群中实际应用？

主要发现

• 先前研究中假设覆盖事件相互独立，导致解析解系统性错误，而非数值误差所致。
• 正确的解析解需要使用吸收马尔可夫链对首次访问时间进行建模，其中每个状态 r 均拥有其自身的转移矩阵 P_r，并在 r 处实现吸收。
• 经过 n 步后的预期覆盖范围为 E[coverage] = (1/|E|) * Σ_r (π₀ P_r^n)_r，该表达式考虑了状态访问之间的依赖性。
• MCMC模拟验证了所推导解析模型的正确性，并与精确解表现出高度一致性。
• 对于大规模状态空间，由于矩阵幂运算的数值不可行性，MCMC模拟优于直接的解析计算。
• 本研究表明，覆盖度量中对独立性的朴素假设会导致性能的显著高估，从而使先前结果失效。