[论文解读] The freeze-tag problem: how to wake up a swarm of robots

Esther M. Arkin, Michael A. Bender+3 more|arXiv (Cornell University)|Jan 6, 2002

Optimization and Search Problems参考文献 34被引用 32

一句话总结

本文研究了群体机器人中的冻结标签问题，即一个处于唤醒状态的机器人必须通过遍历图中的边或在几何空间中移动，以最小化唤醒所有其他机器人的总时间。本文证明了该问题的NP难性以及5/3的近似下界，同时提出了适用于星形图的PTAS、一个O(log Δ)-竞争比的在线算法，以及针对几何实例的近乎线性时间的PTAS。

ABSTRACT

An optimization problem that naturally arises in the study of swarm robotics is to wake up a set of asleep robots, starting with only one robot. One robot can only awaken another when they are in the same location. As soon as a robot is awake, it assists in waking up other robots. The goal is to compute an optimal awakening schedule such that all robots are awake by time t*, for the smallest possible value of t*.We consider both scenarios on graphs and in geometric environments. In the graph setting, robots sleep at vertices and there is a length function on the edges. An awake robot can travel from vertex to vertex along edges, and the length of an edge determines the time it takes to travel from one vertex to the other.While this problem bears some resemblance to problems from various areas in combinatorial optimization such as routing, broadcasting, scheduling and covering, its algorithmic characteristics are surprisingly different. We prove that the problem is NP-hard, even for the special case of star graphs. We also establish hardness of approximation, showing that it is NP-hard to obtain an approximation factor better than 5/3, even for graphs of bounded degree.These lower bounds are complemented with several algorithmic results. We present a simple on-line algorithm that is O(logΔ)-competitive for graphs with maximum degree Δ. Other results include algorithms that require substantially more sophistication and development of new techniques:(1) The natural greedy strategy on star graphs has a worst-case performance of 7/3, which is tight.(2) There exists a PTAS for star graphs.(3) For the problem on ultrametrics, there is a polynomial-time approximation algorithm with performance ratio 2O(√log log n).(4) There is a PTAS, running in nearly linear time, for geometrically embedded instances (e.g., Euclidean distances in any fixed dimension).

研究动机与目标

• 确定从单个唤醒机器人开始唤醒整个机器人集群的计算复杂度。
• 设计高效算法，以最小化所有机器人被唤醒的时间t*。
• 分析不同图结构与几何设置下的近似难度，并开发近似算法。
• 为不同类型的实例（包括星形图和几何嵌入）建立竞争比与近似方案。

提出的方法

• 将问题形式化为带边长（代表移动时间）的图上的优化任务。
• 通过归约证明NP难性，即使在星形图上也成立，并建立5/3的近似下界。
• 设计一个最大度Δ的图上具有O(log Δ)竞争比的在线算法。
• 分析星形图上贪心策略的性能，证明其最坏情况下的竞争比为7/3，且该界是紧的。
• 利用动态规划与舍入技术，为星形图设计一个多项式时间近似方案（PTAS）。
• 为超度量空间设计一个2^O(√log log n)-近似算法，并为具有欧几里得距离的几何实例开发一个近乎线性时间的PTAS。

实验结果

研究问题

• RQ1 冻结标签问题的计算复杂度是什么？它在星形图等受限图类中是否仍为NP难？
• RQ2 我们能否为冻结标签问题实现常数因子近似？最佳可能的近似比是多少？
• RQ3 当机器人网络在事前未知时，在线算法的竞争力表现如何？
• RQ4 我们能否为星形图等特殊图结构及几何嵌入设计高效的PTAS？
• RQ5 在超度量空间中可实现何种近似保证？与一般图相比表现如何？

主要发现

• 冻结标签问题即使在星形图上也是NP难的，确立了其在基础设置下的计算不可解性。
• 即使在有界度图上，也无法在5/3因子以内近似该问题，证明了其近似难度。
• 星形图上自然贪心算法的最坏情况性能比恰好为7/3，且该界是紧的。
• 星形图上存在多项式时间近似方案（PTAS），可实现与最优解任意接近的近似。
• 对于超度量空间，设计出一个多项式时间近似算法，其性能比为2^O(√log log n)。
• 为几何嵌入实例（如任意固定维度下的欧几里得距离）开发出一个近乎线性时间的PTAS。