[论文解读] Linear Search with Terrain-Dependent Speeds

Jurek Czyzowicz, Evangelos Kranakis+4 more|arXiv (Cornell University)|Jan 11, 2017

Optimization and Search Problems参考文献 17被引用 6

一句话总结

本文研究了在速度可变地形上机器人的线性搜索算法，建模了坡度、方向性速度差异及加速度等场景。提出了优化的之字形搜索策略并进行竞争比分析，表明在信标模型中加倍策略仍为最优，且在目标距离增加时，加速度模型可获得更优的竞争比。

ABSTRACT

We revisit the linear search problem where a robot, initially placed at the origin on an infinite line, tries to locate a stationary target placed at an unknown position on the line. Unlike previous studies, in which the robot travels along the line at a constant speed, we consider settings where the robot's speed can depend on the direction of travel along the line, or on the profile of the terrain, e.g. when the line is inclined, and the robot can accelerate. Our objective is to design search algorithms that achieve good competitive ratios for the time spent by the robot to complete its search versus the time spent by an omniscient robot that knows the location of the target. We consider several new robot mobility models in which the speed of the robot depends on the terrain.These include 1) different constant speeds for different directions, 2) speed with constant acceleration and/or variability depending on whether a certain segment has already been searched, 3) speed dependent on the incline of the terrain. We provide both upper and lower bounds on the competitive ratios of search algorithms for these models, and in many cases, we derive optimal algorithms for the search time.

研究动机与目标

• 为解决常速机器人搜索模型的局限性，引入线性搜索问题中与地形相关的速度变化。
• 分析不同速度模型（如方向依赖速度、加速度及探索历史）对搜索效率的影响。
• 设计在这些可变速度条件下实现最优或近似最优竞争比的搜索算法。
• 为各种移动模型建立性能的理论边界，包括上界与下界竞争比。
• 将经典的加倍策略推广至机器人速度随地形剖面或运动方向变化的场景。

提出的方法

• 提出一种基于时间的之字形策略，采用方向依赖速度，即运动速度根据绝对方向不同而变化（例如，向右移动更快）。
• 引入信标模型，其中向原点移动时速度增加，以建模具有加速度的下坡运动。
• 提出探索历史模型，先前搜索过的区域可更快穿越，实现基于先前遍历的自适应搜索速度。
• 应用竞争比分析，将机器人的搜索时间与知晓目标位置的全知对手进行比较。
• 使用递推关系与渐近分析推导竞争比的边界，特别针对具有指数扩展因子的加倍策略。
• 采用积分与求和近似方法，估算在恒定加速度下的搜索时间，建模为 $ v = ct $ 和 $ x = \frac{1}{2}ct^2 $。

实验结果

研究问题

• RQ1 在速度依赖于方向的地形上（如顺风效应），机器人的最优竞争比是多少？
• RQ2 当机器人向原点移动时速度更快（信标模型）与远离原点时相比，竞争比如何变化？
• RQ3 能否设计一种利用先前探索历史以提高已知路段速度的策略，从而获得更优的竞争性能？
• RQ4 对于朝向或远离原点以恒定加速度移动的机器人，可建立怎样的竞争比边界？
• RQ5 在加速度模型中，随着目标距离增加，加倍策略的性能是改善还是恶化？

主要发现

• 在顺风模型（某一方向速度更快）中，基于时间的之字形策略优于标准加倍策略，竞争比优于 9。
• 在信标模型（返回原点时速度更快）中，加倍策略仍为最优，竞争比恰好为 9。
• 在探索历史模型中，存在一种渐近最优策略，其扩展因子依赖于速度比 $ s $，在重复穿越时性能更优。
• 对于朝向原点的恒定加速度，加倍策略的竞争比边界为 $ 5 + O(d^{-1/2}) $，且下界 $ \sigma^* \geq 5 $，表明当 $ d \to \infty $ 时收敛于 5。
• 在反向情形（远离原点时单位速度，朝向原点时加速度），竞争比同样边界为 $ 5 + O(d^{-1/2}) $，且下界 5 成立，表明接近最优。
• 在加速度模型中，竞争比可能无界或随目标距离 $ d $ 增加而改善，与双速模型中性能有界形成对比。