[论文解读] Optimal recovery of damaged infrastructure network

Alexander Gutfraind, Milan Bradonjić+1 more|arXiv (Cornell University)|Jul 11, 2012

Infrastructure Resilience and Vulnerability Analysis参考文献 9被引用 4

一句话总结

本文提出了邻居辅助网络安装问题（NANIP），这是一种离散优化模型，通过基于已安装邻居数量来排序节点安装顺序，以最小化基础设施恢复成本。对于递减凸成本函数，证明了最优解为NP难，但提出了一个贪心启发式算法，其解在最优解的5%以内，且时间复杂度为线性，为大规模灾害恢复规划提供了实用方法。

ABSTRACT

Natural disasters or attacks may disrupt infrastructure networks on a vast scale. Parts of the damaged network are interdependent, making it difficult to plan and optimally execute the recovery operations. To study how interdependencies affect the recovery schedule, we introduce a new discrete optimization problem where the goal is to minimize the total cost of installing (or recovering) a given network. This cost is determined by the structure of the network and the sequence in which the nodes are installed. Namely, the cost of installing a node is a function of the number of its neighbors that have been installed before it. We analyze the natural case where the cost function is decreasing and convex, and provide bounds on the cost of the optimal solution. We also show that all sequences have the same cost when the cost function is linear and provide an upper bound on the cost of a random solution for an Erdős-Rényi random graph. Examining the computational complexity, we show that the problem is NP-hard when the cost function is arbitrary. Finally, we provide a formulation as an integer program, an exact dynamic programming algorithm, and a greedy heuristic which gives high quality solutions.

研究动机与目标

• 将基础设施网络恢复建模为离散优化问题，其中安装成本取决于已安装邻居的数量。
• 分析恢复操作中相互依赖性的影响，特别是邻居协助如何降低安装成本。
• 开发高效算法以解决该问题，尤其适用于大规模网络。
• 在不同成本函数类型下，建立解质量与计算复杂度的理论边界。
• 提供实用且可扩展的解决方案（如贪心启发式算法），在模拟中表现接近最优。

提出的方法

• 将邻居辅助网络安装问题（NANIP）表述为最小化节点安装成本之和的问题，其中成本取决于节点已安装邻居的数量。
• 将成本函数 f(k) 定义为节点已安装邻居数 k 的函数，重点关注递减凸函数。
• 使用整数规划与动态规划精确求解问题，但时间复杂度为指数级。
• 提出一种贪心启发式算法，根据当前成本最低（即已安装邻居数最多）的节点选择下一个安装节点。
• 利用度序列与边数推导出在递减凸成本函数下贪心解成本的理论上限。
• 在Erdős-Rényi随机图上进行仿真，评估性能，将贪心启发式算法与最优解及松弛边界进行比较。

实验结果

研究问题

• RQ1 当邻居协助可降低安装成本时，节点安装顺序如何影响受损基础设施网络的总恢复成本？
• RQ2 当成本函数为任意形式时，寻找最优安装顺序的计算复杂度如何？
• RQ3 能否为递减凸成本函数下的大规模基础设施恢复设计一种快速且接近最优的启发式算法？
• RQ4 在特定成本函数类型下，能否为最优解与启发式解的成本建立理论边界？
• RQ5 在不同网络密度与规模下，贪心启发式算法的性能与最优解及松弛边界相比如何？

主要发现

• 当成本函数为任意形式时，该问题为NP难，表明对于大规模实例，精确解在计算上具有挑战性。
• 当成本函数为线性时，所有安装顺序的总成本相同，此时问题为平凡情况。
• 对于递减凸成本函数，仿真结果表明贪心启发式算法在低、中、高边密度网络中均能获得距离最优成本5%以内的解。
• 通过节点度序列与边数推导出贪心解成本的上界，从而实现性能差距的估计。
• 动态规划方法具有指数时间复杂度，限制了其在小规模实例中的使用；而贪心启发式算法时间复杂度为线性，具有高度可扩展性。
• 整数规划的松弛边界可作为评估解质量的有用下界，从而实现最优性差距的估计。