[论文解读] Parallel Linear Search with no Coordination for a Randomly Placed Treasure

Amos Korman, Yoav Rodeh|arXiv (Cornell University)|Feb 16, 2016

Optimization and Search Problems参考文献 18被引用 2

一句话总结

本文提出了一种针对有限盒子中随机放置宝藏的非协调并行搜索算法，实现了 $\frac{k(k+1)}{3k-1}$ 的加速比——在渐近意义上接近全协调的三倍差。该算法基于基于概率的盒子选择，采用简单且内存高效的策略，并通过积分优化与不等式（如伽马函数不等式）建立了紧致的上界，证明了其在加速比方面的最优性。

ABSTRACT

In STOC'16, Fraigniaud et al. consider the problem of finding a treasure hidden in one of many boxes that are ordered by importance. That is, if a treasure is in a more important box, then one would like to find it faster. Assuming there are many searchers, the authors suggest that using an algorithm that requires no coordination between searchers can be highly beneficial. Indeed, besides saving the need for a communication and coordination mechanism, such algorithms enjoy inherent robustness. The authors proceed to solve this linear search problem in the case of countably many boxes and an adversary placed treasure, and prove that the best speed-up possible by $k$ non-coordinating searchers is precisely $\frac{k}{4}(1+1/k)^2$. In particular, this means that asymptotically, the speed-up is four times worse compared to the case of full coordination. We suggest an important variant of the problem, where the treasure is placed uniformly at random in one of a finite, large, number of boxes. We devise non-coordinating algorithms that achieve a speed-up of $6/5$ for two searchers, a speed-up of $3/2$ for three searchers, and in general, a speed-up of $k(k+1)/(3k-1)$ for any $k \geq 1$ searchers. Thus, as $k$ grows to infinity, the speed-up approaches three times worse compared to the case of full coordination. Moreover, these bounds are tight in a strong sense as no non-coordinating search algorithm for $k$ searchers can achieve better speed-ups. We also devise non-coordinating algorithms that use only logarithmic memory in the size of the search domain, and yet, asymptotically, achieve the optimal speed-up. Finally, we note that all our algorithms are extremely simple and hence applicable.

研究动机与目标

• 填补在宝藏被随机放置于有限盒子集合中时，非协调并行搜索研究中的空白，与以往研究中在无限集合中对抗性放置的情形形成对比。
• 设计简单、鲁棒的搜索算法，无需搜索者之间的协调，同时在随机放置模型下实现高加速比。
• 在有限、随机放置设定下，为任意 $k$ 个搜索者，建立非协调算法所能实现的最大加速比的紧致上界。
• 设计仅使用相对于搜索域大小对数级内存的算法，同时渐近地实现最优加速比。
• 通过连续松弛和变分法对积分约束进行分析，证明所提出加速比边界的最优性。

提出的方法

• 本文将搜索过程建模为矩阵 $N(x,t)$，表示搜索者 $t$ 检查盒子 $x$ 的概率，并将期望搜索时间表述为对 $x$ 和 $t$ 的双重积分。
• 通过在列约束 $\int_0^1 N(x,t) \, dx \leq t$ 下最小化积分 $\int_0^\infty \int_0^1 \frac{1}{x} N(x,t)^k \, dx \, dt$，推导出最优策略。
• 构造出最优函数 $\text{OPT}_k(x,t)$，分段定义：当 $t < 1/k$ 时，采用幂律形式 $\alpha x^{1/(k-1)}$；当 $t \geq 1/k$ 时，为常数或零。
• 通过计算 $\text{OPT}_k$ 的积分，推导出加速比：$\theta_{\text{OPT}_k}(k) = \frac{3k-1}{k(k+1)}$，该值为加速比的倒数。
• 算法3基于均匀随机抽样在区间内的离散、内存高效的盒子选择规则设计，其性能在 $M \to \infty$ 时进行渐近分析。
• 使用伽马函数不等式来界定分析中出现的形如 $\prod_{i=a}^b \frac{i}{i + \varphi}$ 的乘积，这些乘积出现在离散算法中生存概率的分析中。

实验结果

研究问题

• RQ1 当 $M \to \infty$ 时，$k$ 个非协调搜索者在 $M$ 个盒子中随机放置宝藏时，所能实现的最大加速比是多少？
• RQ2 在随机放置模型中，最优加速比与先前工作中研究的对抗性放置模型相比如何？
• RQ3 非协调搜索算法能否在仅使用搜索域大小对数级内存的前提下，实现接近最优的加速比？
• RQ4 加速比 $\frac{k(k+1)}{3k-1}$ 对所有 $k \geq 1$ 是否为紧致的？能否通过一种简单且实用的算法实现？
• RQ5 对离散搜索问题的连续松弛是否能通过变分方法得出关于可实现加速比的紧致上界？

主要发现

• 在随机放置模型中，$k$ 个非协调搜索者的最优加速比为 $\frac{k(k+1)}{3k-1}$，当 $k \to \infty$ 时，该值趋近于全协调加速比的 $\frac{1}{3}$。
• 对于两个搜索者，加速比恰好为 $\frac{6}{5}$；对于三个搜索者，加速比为 $\frac{3}{2}$，两者均达到理论上的上界。
• 所提出的算法实现了 $\frac{k(k+1)}{3k-1}$ 的加速比，且被证明是最优的：任何非协调算法都无法实现更优的加速比。
• 该加速比在强意义上是紧致的，因为积分公式表明，任何策略都无法实现比 $\text{OPT}_k$ 更小的期望搜索时间。
• 算法3——一种离散且内存高效的变体——渐近地实现了与连续最优策略相同的加速比，且每个搜索者仅需 $O(\log M)$ 的内存使用。
• 通过伽马函数不等式证明了算法分析中离散乘积边界的渐近紧致性，从而支持了所推导加速比的最优性。