信息在贪婪子模最大化中的影响
数据结构与算法
2019-01-11 v2 系统与控制
摘要
子模函数的最大化对于某些函数子类是 NP 难问题，对于此类问题，一种简单的贪婪算法被证明能保证解的质量在最优解的 1/2 以内。当该算法以分布式方式实现时，智能体依据所有先前智能体的决策依次做出决定。本文探讨了有限获取先前智能体决策如何影响贪婪算法解的质量。具体而言，我们给出了算法性能关于每个智能体可获取信息的紧上界与下界。直观上，结果表明性能大致随独立决策的智能体最大群体规模成比例退化。此外，我们考虑系统设计师给定一组智能体以及可访问信息总量的全局限制的情形。我们的结果表明，最佳设计将智能体划分为等规模集合，并允许智能体访问同一集合内所有先前智能体的决策。
引用
@article{arxiv.1807.10639,
title = {The Impact of Information in Greedy Submodular Maximization},
author = {David Grimsman and Mohd. Shabbir Ali and João P. Hespanha and Jason R. Marden},
journal= {arXiv preprint arXiv:1807.10639},
year = {2019}
}