[论文解读] Problem Complexity in Parallel Problem Solving

Sebastian Herrmann, Jörn Grahl+1 more|arXiv (Cornell University)|Mar 25, 2014

Computability, Logic, AI Algorithms参考文献 18被引用 3

一句话总结

本文研究了问题复杂度如何调节并行问题求解中通信网络结构对群体绩效的影响。通过在NK景观和TSP实例上进行多智能体模拟，发现网络拓扑仅在中等复杂度下显著影响成功率，而在过于简单或过于复杂的问题中影响减弱——解决了先前文献中的明显矛盾。

ABSTRACT

Recent works examine the relationship between the communication structure and the performance of a group in a problem solving task. Some conclude that inefficient communication networks with long paths outperform efficient networks on the long run. Others find no influence of the network topology on group performance. We contribute to this discussion by examining the role of problem complexity. In particular, we study whether and how the complexity of the problem at hand moderates the influence of the communication network on group performance. Results obtained from multi-agent modelling suggest that problem complexity indeed has an influence. We observe an influence of the network only for problems of moderate difficulty. For easier or harder problems, the influence of network topology becomes weaker or irrelevant, which offers a possible explanation for inconsistencies in the literature.

研究动机与目标

• 为解决文献中关于高效或低效通信网络在群体问题求解中何者更优的相互矛盾的发现。
• 研究问题复杂度是否在网络结构与群体绩效的关系中起到调节作用。
• 检验网络拓扑对群体成功的影响是否随所解决问题的难度而变化。
• 确定先前研究中网络性能差异是否源于任务复杂度的差异。
• 通过多智能体建模提供实证证据，表明网络效应并非普遍适用，而是取决于问题难度。

提出的方法

• 修改了Lazer & Friedman（LF）的基于智能体模型，利用NK景观模型调节问题复杂度，其中K控制二进制决策变量之间的相互依赖性。
• 为每个K ∈ [0, 19]生成100个随机NK景观，N = 20个位，以测试不同问题复杂度范围。
• 在两种网络拓扑上模拟群体问题求解：线性网络（路径长度长）和完全连接网络（路径长度短）。
• 将群体绩效衡量为在每个景观重复100次后，至少有一个智能体找到全局最优解的概率。
• 使用不同城市数的旅行商问题（TSP）重现结果，以检验结果在NK景观之外的稳健性。
• 将网络影响定义为在不同复杂度水平下，线性网络与完全连接网络成功率之差。

实验结果

研究问题

• RQ1 问题复杂度是否调节并行问题求解中通信网络结构对群体绩效的影响？
• RQ2 在何种问题复杂度水平下，网络拓扑对决定群体成功的影响最大？
• RQ3 先前研究中的矛盾结果（如Lazer & Friedman与Mason & Watts）是否可由任务复杂度的差异解释？
• RQ4 所观察到的网络效应是否仅限于NK景观模型，还是可推广至其他问题类型（如TSP）？
• RQ5 网络结构与绩效之间的关系是否在复杂度谱上呈现曲线关系？

主要发现

• 仅在NK景观中K参数衡量的中等问题复杂度下，网络结构才显著影响群体绩效。
• 对于K = 0（非常简单的问题），线性网络与完全连接网络的成功概率差异可忽略不计，表明无显著网络效应。
• 对于K = 19（非常困难的问题），网络影响也减弱，两种网络类型均表现出低且相近的成功率。
• 网络影响的峰值出现在中间K值，此时线性网络在长期成功概率上优于完全连接网络。
• TSP中的问题复杂度与网络影响之间的曲线关系得到复现，证实该现象并非NK景观模型的产物。
• 研究结果表明，先前研究中不一致的结果可能源于任务过于简单或过于困难，导致网络结构无法产生可检测的影响。