Selfish Routing 4章前半 岡本 和也.

Slides:



Advertisements
Similar presentations
1. 補間多項式 n 次の多項式 とは、単項式 の 線形結合の事である。 Definitions: ( 区間, 連続関数, abscissas (データ点、格子点、差分点), 多項 式 ) Theorem. (補間多項式の存在と一意性) 各 i = 0, …, n について、 をみたす、次数が高々 n.
Advertisements

Determining Optical Flow. はじめに オプティカルフローとは画像内の明る さのパターンの動きの見かけの速さの 分布 オプティカルフローは物体の動きの よって変化するため、オプティカルフ ローより速度に関する情報を得ること ができる.
Probabilistic Method 7.7
到着時刻と燃料消費量を同時に最適化する船速・航路計画
オンライン学習 Prediction Learning and Games Ch2
3.2.3~3.3 D3 川原 純.
電子情報工学科5年(前期) 7回目(21/5/2015) 担当:古山彰一
近似アルゴリズム 第10章 終了時刻最小化スケジューリング
© Yukiko Abe 2014 All rights reserved
第4章 Matching(後半) 情報学研究科 湯浅研究室M1 藤川浩光.
課題 1.
ネットワーク理論 Text. Part 3 pp 最短路問題 pp 最大流問題 pp.85-94
Extremal Combinatorics 14.1 ~ 14.2
An Algorithm for Enumerating Maximal Matchings of a Graph
Probabilistic Method.
Extremal Combinatrics Chapter 4
Approximation of k-Set Cover by Semi-Local Optimization
Reed-Solomon 符号と擬似ランダム性
10.Private Strategies in Games with Imperfect Public Monitoring
初級ミクロ経済学 -ゲーム理論入門- 2014年12月15日 古川徹也 2014年12月15日 初級ミクロ経済学.
形状モデリングにおいて,任意の自由曲面を定義する必要のある場合がある.自由曲面の表現法について説明する.
エージェントアプローチ 人工知能 21章 B4 片渕 聡.
第 七 回 双対問題とその解法 山梨大学.
1章前半.
Probabilistic Method 6-3,4
8.Intersecting Families
Selfish Routing and the Price of Anarchy 第2回
Selfish routing 川原 純.
計算量理論輪講 岩間研究室 照山順一.
第6章 カーネル法 修士2年 藤井 敬士.
7-3.高度な木 (平衡木) AVL木 平衡2分木。回転操作に基づくバランス回復機構により平衡を保つ。 B木
© Yukiko Abe 2014 All rights reserved
情報学研究科 通信情報システム専攻 小野寺研究室 M1 奥村 佳弘
第25章 単一始点最短路 3節 Bellman-Fordのアルゴリズム
論文紹介 Query Incentive Networks
ネットワーク上での社会的効用と個人的効用の対立問題に対するアルゴリズム的研究
決定木とランダムフォレスト 和田 俊和.
奈良女子大集中講義 バイオインフォマティクス (9) 相互作用推定
ネットワーク理論 Text. Part 3 pp 最短路問題 pp 最大流問題 pp.85-94
計算の理論 I -Myhill-Nerodeの定理 と最小化-
Probabilistic Method 2007/11/02 岩間研究室M1 市場孝之.
7.4 Two General Settings D3 杉原堅也.
第5章 特徴の評価とベイズ誤り確率 5.5 ベイズ誤り確率の推定法 [1] 誤識別率の偏りと分散 [2] ベイズ誤り確率の上限および下限
市場均衡と厚生経済学の基本定理 部分均衡分析での結果 厚生経済学の基本定理 消費者余剰,生産者余剰,社会的余剰 Pareto効率性
ランダムグラフ エルデシュとレーニイによって研究された.→ER-model p:辺連結確率 N:ノード総数 分布:
第7章 疎な解を持つカーネルマシン 修士2年 山川佳洋.
第3回 アルゴリズムと計算量 2019/2/24.
§ , How Bad Is Selfish Routing?
Extractor D3 川原 純.
Selfish Routing and the Price of Anarchy 4.3
© Yukiko Abe 2014 All rights reserved
計算量理論輪講 chap5-3 M1 高井唯史.
A First Course in Combinatorial Optimization Chapter
First Course in Combinatorial Optimization
Additive Combinatrics 7
連続領域におけるファジィ制約充足問題の 反復改善アルゴリズムによる解法 Solving by heuristic repair Algorithm of the Fuzzy Constraint Satisfaction Problems with Continuous Domains 北海道大学.
福永 拓郎 (京都大学) Magnús M. Halldórsson (Reykjavik University) 永持 仁 (京都大学)
5 Recursions 朴大地.
14. The Basic Method M1 太田圭亮 14.3 Spaces of polynomials
 型推論3(MLの多相型).
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年6月25日 3.1 関数近似モデル
計算の理論 I 決定性有限オートマトン(DFA) と 非決定性有限オートマトン(NFA)
5.3, 5.4 D2 岡本 和也.
Max Cut and the Smallest Eigenvalue 論文紹介
Selfish Routing and the Price of Anarchy
人工知能特論II 第8回 二宮 崇.
Additive Combinatorics輪講 3章前半
7.8 Kim-Vu Polynomial Concentration
コストのついたグラフの探索 分枝限定法 A*アルゴリズム.
13.近似アルゴリズム.
Presentation transcript:

Selfish Routing 4章前半 岡本 和也

4章の構成 traffic routing model の一般化 traffic routing model に対する評価基準 4.1 ネットワークモデルではない一般化されたモデル Nonatomic Congestion Games (NCGs) 4.2 近似的なナッシュ均衡 4.3 枝が最大容量を持つ場合 4.4 ネットワークのユーザが全体のトラフィックの一部を弄れる場合 traffic routing model に対する評価基準 4.5 optimal を必要としない(大体の) price of anarchy 4.6 平均的な price of anarchy 4.7 公平さ 僕はここまで

4.1 Nonatomic Congestion Games (NCGs) 要素集合 E={e1, e2, …, em} 各要素 e が cost function ce を持つ。(非負、連続、非減少。) player types 1, 2, …, k 各 player type i の人数 ni 各 player type i の選択可能な戦略集合 Si 各戦略は E の部分集合 消費割合 aS,e 各 player type i の戦略 S による e (∈ S) に対する混雑貢献度 正数 枝 品種 流量 パス 1 e5 e2 t1 s1 e4 e7 e1 e3 e6 s2 t2

4.1 Nonatomic Congestion Games (NCGs) 要素集合 E={e1, e2, …, em} 各要素 e が cost function ce を持つ。(非負、連続、非減少。) player types 1, 2, …, k 各 player type i の人数 ni 各 player type i の選択可能な戦略集合 Si 各戦略は E の部分集合 消費割合 aS,e 各 player type i の戦略 S による e (∈ S) に対する混雑貢献度 正数 パラメータ 各 player type i のうち戦略 S を取る人数 xs 要素 e の混雑度 要素 e のコスト 戦略 S のコスト 全体のコスト 要素 e1, e2, e3 player type 1, 2 n1 = 2, n2 = 3 戦略集合 S1 = {{e1, e2}1, {e1, e3}1} S2 = {{e2, e3}2, {e1, e2, e3}2} 消費割合 a{e1, e2}1,e1 = 1, a{e1, e2}1,e2 = 2, … 最小化問題

Definition 4.1.1 以下の条件を満たすとき、NCG のパラメータ x が均衡である という。 ∀i (player type), ∀S1, S2 ∈ Si (戦略集合)(但し、xS1 > 0), ∀δ ∈ (0, xS1].

NCGs における Price of Anarchy 3章の結果を全て持ってこれる。 コストの定義が変わっていない。 流量に基づくコスト関数×流量 目的関数も同じ全体のコストである。 Price of Anarchy の定義も同じ。 均衡となる割り当てのコスト/最適な割り当てのコスト 3章の証明で NCGs に対する trafic routing model の特殊性を   利用していない。 消費割合が1である。 ネットワークに基づきパスが制約を受ける。

NCGs における Price of Anarchy コスト関数集合 C に対して anarchy value α(C) を同様に 定義すると、コスト関数集合が C である NCG の price of anarchy は最大でα(C) 以下となる。 (Extension of Theorem 3.3.7) コスト関数集合 C に定数関数を含む場合、2つの要素、 1つの player type、各要素を1つずつ含む戦略、1の消費割合で price of anarchy が α(C)-εとなる例題を作成できる。 (Extension of Theorem 3.4.2)

NCGs における Price of Anarchy コスト関数集合 C が inhomogeneous な関数集合の場合、 1つの player type、互いに素となる戦略、1の消費割合で price of anarchy が α(C)-εとなる例題を作成できる。 (Extension of Theorem 3.4.9) 任意の NCG において均衡となる割り当てのコストは 各 player type の数を2倍にした NCG における 最適な割り当てのコスト以下となる。 (Extension of Theorem 3.6.2)

4.2 近似的なナッシュ均衡 (Definition 4.2.1) 以下の条件を満たすとき、trafic routing model (G, r, c) に対して、適切なフロー f がε近似ナッシュ均衡であるという。 ∀i ∈ {1, …, k} (品種) ∀P1, P2 ∈ Pi (パス集合)(但し、fP1 > 0), ∀δ ∈ (0, fP1].

Proposition 4.2.2 フロー f がε近似ナッシュ均衡であるとき、以下が成り立つ。 ∀i ∈ {1, …, k} (品種) ∀P1, P2 ∈ Pi (パス集合)(但し、fP1 > 0). cP1(f) ≦ (1+ε) cP2(f) cP2(f)(最小コスト) cP3(f) ≦ (1+ε) cP2(f) si ti cP4(f) ≦ (1+ε) cP2(f) cP5(f) ≦ (1+ε) cP2(f)

Theorem 4.2.3 (Theorem 3.6.2) ε∈ [0, 1) で、f が (G, r, c) に対するε近似ナッシュ均衡、f* が (G, 2r, c) に対する適切なフローであった場合、以下が成り立つ。

Proof of Theorem 4.2.3 品種 i のフローが通るパスの中で最小コストのパスのコストを ci(f) とすると以下が成り立つ。 以下のような変形したコスト関数を考える。 ce(x) ce(fe) x fe ナッシュフローの 各枝のフロー ce(x) ce(fe) x fe

Proof of Theorem 4.2.3 cP(f0) ≧ ci(f) (f0は流量が全て0のフロー。) 各枝ごとに考える。 f*e ≧ f の場合                 f*e < f の場合 ce(x) ce(x) ce(x) ce(x) ce(f*e) ce(f*e) ce(f*e) ce(fe) ce(fe) ce(fe) ≧ ≧ ce(fe) ce(f*e) (マイナス) - x x x x fe f*e fe f*e f*e fe f*e fe

Example 4.2.4 Theorem 4.2.3 の等式が等しくなる例 2 ε近似ナッシュ均衡(流量1) 2 g(x) 1-ε 1+ε 2 + 2ε s t 1-ε g(x) 1-ε 1+ε 最適フロー(流量2) g(x) 2 1+ε 2δ 1-ε 2×2δ+ (1-ε)×(1-δ)×2 = 2 – 2ε+ 2δ+εδ → 2 – 2ε (δ→ 0) 1-δ 1-δ 1-ε 1-δ 1

Theorem 4.2.5 (Theorem 3.2.6) ε∈ [0, 3) で、f が線形コスト関数を持つ (G, r, c) に対するε近似ナッシュ均衡、f* が (G, r, c) に対する適切なフローであった場合、以下が成り立つ。

Proof of Theorem 4.2.5 C(f/2) ≧ C(f)/4 (流量を半分にしてもコストは半分以上のため) ce(f*e)f*e ≧ ce(fe/2)fe/2 + (f*e-fe/2)ce(fe) ce(x) ce(fe) ce(f*e) a b×b≧a×a +(b-a)×2a (b - a)2 ≧ 0 ce(fe/2) b a a b x fe/2 f*e fe

Proof of Theorem 4.2.5 C(f/2) ≧ C(f)/4 (流量を半分にしてもコストは半分以上のため) ce(f*e)f*e ≧ ce(fe/2)fe/2 + (f*e-fe/2)ce(fe) C(f/2)

4.3 枝が最大容量を持つ場合 (Definition 4.3.1) 以下の条件を満たすとき、枝が最大容量を持つ trafic routing model (G, r, c, u) に対して、適切なフロー f がナッシュ均衡 であるという。 ∀i ∈ {1, …, k} (品種) ∀P1, P2 ∈ Pi (パス集合)(但し、fP1 > 0), ∀δ ∈ (0, fP1]. あるいは、f が適切なフローでない。 ~

Example 4.3.3 1/2 1:∞ 定数関数のみでも・・・ 1/2 0:1/2 1:∞ 0:∞ s 1/2 0:∞ t 0:1/2 コスト:最大容量 0:1/2 0:∞ 1/2 s 0:∞ t 1/2 ∞ 0:∞ 0:1/2 1/2

Theorem 4.3.4 (Theorem 3.3.7) Theorem 4.3.8, 4.3.9 (Theorem 3.6.2) コスト関数集合 C に対して anarchy value α(C) を同様に 定義する。ここで、コスト関数集合が C である (G, r, c, u) の最適フローを f* としたとき、以下の式が成り立つようなナッシュフロー f が存在する。 Theorem 4.3.8, 4.3.9 (Theorem 3.6.2) (G, r, c, u) に対して、以下の条件を満たすような ナッシュフロー f が存在する。 (G, 2r, c, u) に対する全ての適切なフロー f* (G, 2r, c, 2u) に対する全ての適切なフロー f*