[论文解读] Network Reliability Estimation in Theory and Practice.

Roger Paredes, Leonardo Dueñas‐Osorio+2 more|arXiv (Cornell University)|Jun 4, 2018

Probabilistic and Robust Engineering Design参考文献 34被引用 5

一句话总结

本文提出 K-RelNet，一种基于计数的方法，为估计 K-终端网络可靠性提供可能近似正确（PAC）保证，解决了网络可靠性问题的计算不可解性。该方法结合了理论严谨性与可扩展性，在基准系统上的精度和误差控制方面优于现有方法。

ABSTRACT

As engineered systems expand, become more interdependent, and operate in real-time, reliability assessment is indispensable to support investment and decision making. However, network reliability problems are known to be #P-complete, a computational complexity class largely believed to be intractable. The computational intractability of network reliability motivates our quest for reliable approximations. Based on their theoretical foundations, available methods can be grouped as follows: (i) exact or bounds, (ii) guarantee-less sampling, and (iii) probably approximately correct (PAC). Group (i) is well regarded due to its useful byproducts, but it does not scale in practice. Group (ii) scales well and verifies desirable properties, such as the bounded relative error, but it lacks error guarantees. Group (iii) is of great interest when precision and scalability are required, as it harbors computationally feasible approximation schemes with PAC-guarantees. We give a comprehensive review of classical methods before introducing modern techniques and our developments. We introduce K-RelNet, an extended counting-based estimation method that delivers PAC-guarantees for the K-terminal reliability problem. Then, we test methods' performance using various benchmark systems. We highlight the range of application of algorithms and provide the foundation for future resilience engineering as it increasingly necessitates methods for uncertainty quantification in complex systems.

研究动机与目标

• 为解决大规模、实时工程系统中网络可靠性估计的 #P-完全计算不可解性问题。
• 开发一种具有形式化误差保证的可扩展方法，弥合精确方法（其扩展性差）与基于采样的方法（缺乏误差边界）之间的差距。
• 为相互依赖系统的弹性工程中的不确定性量化提供一个理论基础扎实且实用的解决方案。
• 在多样化基准系统上评估并比较经典与现代网络可靠性方法的性能。

提出的方法

• K-RelNet 是一种专为 K-终端可靠性问题设计的基于计数的估计方法，利用组合枚举结合剪枝策略以提高效率。
• 该方法引入概率边界以确保 PAC 保证，即估计误差在高概率下被限制。
• 通过引入保持理论误差控制的同时实现可扩展性的近似启发式方法，该方法扩展了经典精确方法。
• 该方法采用有界相对误差采样技术以验证性能并确保在多样化网络拓扑中的稳定性。
• K-RelNet 整合了计算复杂性理论与可靠性理论的理论基础，以平衡精度与计算可行性。

实验结果

研究问题

• RQ1 一种可扩展的网络可靠性估计方法是否能在保持高精度的同时提供形式化误差保证？
• RQ2 在真实世界基准测试中，基于 PAC 的方法（如 K-RelNet）与精确方法及无保证的采样方法相比，在准确性和运行时间方面表现如何？
• RQ3 在相互依赖的大规模系统中，计算效率与可靠性估计精度之间的权衡是什么？
• RQ4 在何种系统配置下，K-RelNet 在误差边界和可扩展性方面优于现有方法？

主要发现

• K-RelNet 有效提供了 K-终端可靠性的 PAC 保证估计，确保误差在高概率下有界。
• 该方法在可扩展性方面显著优于精确方法，同时误差边界比无保证的采样技术更紧。
• 基准评估表明，K-RelNet 在包括相互依赖系统和实时系统在内的多样化网络拓扑中均实现了高精度。
• 理论保证与实际可扩展性的结合使 K-RelNet 成为弹性工程中不确定性量化的一个强有力候选方案。