[论文解读] The Cost of Troubleshooting Cost Clusters with Inside Information

Thorsten J. Ottosen, Finn V. Jensen|arXiv (Cornell University)|Jan 1, 2010

Optimization and Search Problems参考文献 8被引用 2

一句话总结

本文提出了一种在具有内部信息的树状聚类模型中，针对需额外成本开启和关闭聚类的动作，实现 O(n · lg n) 最优的决策理论故障排除算法。该方法采用自底向上的 P-over-C 方法，通过效率对动作进行分组，形成复合动作，确保最优排序并剪枝冗余子树，从而实现高效离线与在线策略计算。

ABSTRACT

Decision theoretical troubleshooting is about minimizing the expected cost of solving a certain problem like repairing a complicated man-made device. In this paper we consider situations where you have to take apart some of the device to get access to certain clusters and actions. Specifically, we investigate troubleshooting with independent actions in a tree of clusters where actions inside a cluster cannot be performed before the cluster is opened. The problem is non-trivial because there is a cost associated with opening and closing a cluster. Troubleshooting with independent actions and no clusters can be solved in O(n lg n) time (n being the number of actions) by the well-known "P-over-C" algorithm due to Kadane and Simon, but an efficient and optimal algorithm for a tree cluster model has not yet been found. In this paper we describe a "bottom-up P-over-C" O(n lg n) time algorithm and show that it is optimal when the clusters do not need to be closed to test whether the actions solved the problem.

研究动机与目标

• 为解决在需要开启和关闭的分层聚类系统中最小化预期故障排除成本的挑战。
• 将经典 P-over-C 算法扩展至具有内部信息的树状聚类模型，其中聚类访问需额外成本。
• 设计一种高效且最优的算法，在保持 O(n · lg n) 时间复杂度的同时处理分层依赖关系。
• 在内部信息假设下，证明所提算法的正确性与最优性。
• 通过支持离线策略生成与在线重新计算，实现对实时决策支持系统的实际应用。

提出的方法

• 提出一种自底向上的 P-over-C 算法，基于效率（Pα / Cα）将聚类内的原子动作聚合，计算复合动作。
• 使用递归吸收过程从子树中形成复合动作，确保在每个聚类层级均选择最高效的复合动作。
• 应用关键引理（引理 8）以证明按效率降序重排动作可最小化预期成本。
• 采用反证法证明，任何最优序列必须按效率降序包含所有最大化复合动作。
• 引入剪枝机制，用单个最优复合动作序列替换整个原子动作子树。
• 依赖内部信息假设，即聚类状态（是否已解决）可无需重新组装进行测试，从而实现高效的成本评估。

实验结果

研究问题

• RQ1 能否为具有内部信息的树状聚类模型设计一种 O(n · lg n) 最优的故障排除算法？
• RQ2 如何将 P-over-C 原理扩展至处理具有开启和关闭成本的分层聚类？
• RQ3 最优解的哪些结构特性可确保复合动作必须按效率降序排列？
• RQ4 是否可证明所有最优解必须包含最大化复合动作为子序列？
• RQ5 内部信息的存在如何影响算法设计与最优性，相较于无内部信息模型？

主要发现

• 所提出的自底向上的 P-over-C 算法在 O(n · lg n) 时间内运行，并被证明对具有内部信息的树状聚类模型是最优的。
• 该算法保证所有最优故障排除序列均包含最大化复合动作为子序列。
• 复合动作必须按效率降序排列，以确保最小预期成本，该结论由引理 8 和引理 10 证明。
• 该算法在离线方法（如 AO*）中可显著剪枝搜索空间，将整个原子动作子树替换为单个复合动作。
• 正确性证明依赖于反证法：任何复合动作的次优排序或缺失复合动作均会导致更高预期成本。
• 内部信息假设至关重要：若无此假设，由于无法在不重新组装的情况下测试聚类状态，算法的最优性与效率将不成立。