Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.

Präsentation zum Thema: "Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung."—  Präsentation transkript:

1 Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung

2 Andreas Kalender, kalender@inf.fu-berlin.de2 Übersicht Einführung Definitionen Pigou's Beispiel und Braess Paradoxon Wie schlecht ist ein Nash-Fluss? Existens eines Nash-Flusses Verzögerung eines Nash-Flusses mit weiteren Einschränkungen

3 Andreas Kalender, kalender@inf.fu-berlin.de3 Einführung Routing findet in allen Netzen Anwendung Wichtig ist ein hoher Durchsatz an Verkehr (in Straßennetzen) an Daten (in Datennetzen)... Durchschnittsverzögerung als Qualitätsmerkmal Verzögerung für jedes Element im Netz Geringe Verzögerung = hoher Durchsatz

4 Andreas Kalender, kalender@inf.fu-berlin.de4 Modellierung eines Netzwerks durch Einen gerichteten Graphen G = (V, E) mit einer endlichen Menge V von Knoten einer endlichen Menge E von Kanten Jeder Kante wird eine Funktion zugewiesen dabei ist eine stetige, monoton wachsende Funktion gibt die Verzögerung der Kante e an Jeder Knoten kann als Startpunkt dienen Jeder über die Kanten erreichbare Knoten kann als Ziel dienen Das verwendete Modell

5 Andreas Kalender, kalender@inf.fu-berlin.de5 Fluss durch ein Netzwerk Ein Pfad ist ein nicht zyklischer Weg zwischen einem Start – und einem Endknoten Ein Pfad sei ein Pfad von nach Sei die Menge aller Pfade Sei Ein Fluss ist eine Funktion dabei bildet der Fluss einen Pfad auf die Anzahl seiner Benutzer ab

6 Andreas Kalender, kalender@inf.fu-berlin.de6 Verzögerung eines Pfades Der Fluss über eine Kante ist gegeben durch Die Verzögerung eines Pfades ist gegeben durch da monoton wachsend, ist die Verzögerung konstant oder lastabhängig Ein Fluss ist ein Nash-Fluss wenn Hieraus folgt, dass die Verzögerung in einem Nash-Fluss für alle Pfade gleich ist

7 Andreas Kalender, kalender@inf.fu-berlin.de7 Es existieren k verschiedene Benutzertypen Benutzer i möchte von einem Punkt zu seinem Ziel Die Anzahl der Benutzer, die einen Pfad benutzen möchten entspricht dem Bedarf Gesucht ist ein Fluss, so dass für jeden Pfad ein Fluss existiert mit ein solcher Fluss wird als geeignet bezeichnet Optimal ist ein solcher Fluss mit minimaler Verzögerung Spieltheorie

8 Andreas Kalender, kalender@inf.fu-berlin.de8 Pigou's Beispiel Kosten des Weges von s nach t Nash Gleichgewicht = 1 50-50 Verteilung = 0,75 s t

9 Andreas Kalender, kalender@inf.fu-berlin.de9 Braess Paradoxon Gesucht Optimale Verteilung der Kosten für Weg s-t Nash Gleichgewicht = Optimum Kosten = 1,5 (50% s-u-t, 50% s-v-t) t s u v

10 Andreas Kalender, kalender@inf.fu-berlin.de10 Braess Paradoxon Einfügen einer neuen Kante (ohne Kosten) führt zu Erhöhung der Kosten 100% über s-v-u-t mit Kosten 2 t s u v Einfügen einer neuen Kante (ohne Kosten) führt zu Erhöhung der Kosten 100% über s-v-u-t mit Kosten 2

11 Andreas Kalender, kalender@inf.fu-berlin.de11 Strategien (I) Optimales Routing ist optimal! schwer zu berechnen nicht intuitiv Tit for Tat (z.B. bei Stichlingen) dem folgen was Nächster tut einfache Entscheidung bei lastabhängigen Verzögerungen schlechteste Möglichkeit

12 Andreas Kalender, kalender@inf.fu-berlin.de12 Strategien (II) Selbstsüchtiges Routing keine zentrale Logik jeder sucht für sich den besten Weg wird von jedem intuitiv verwendet keine komplizierten Berechnungen notwendig nicht immer optimal Doch wie schlecht ist selbstsüchtiges Routing?

13 Andreas Kalender, kalender@inf.fu-berlin.de13 Durchschnittsverzögerung eines Flusses Die Verzögerung in einem Fluss lässt sich als Summe der Verzögerung aller Teilflüsse berechnen Definition einer weiteren Verzögerungsfunktion mit Dies ist eine konstruierte Funktion, die nur für einen Beweis benötigt wird und sonst keine wichtige Rolle spielt Delay Flow on E

14 Andreas Kalender, kalender@inf.fu-berlin.de14 Lemma 1 Der Pfad mit minimaler Verzögerung in einem Netzwerk ohne Fluss hat die gleiche Verzögerung wie der Pfad im Nash-Fluss Der Nash-Fluss verwendet nach Definition immer die Kanten mit geringster Verzögerung Damit ergibt sich für jede Kante im Nash-Fluss eine Verzögerung von Nach Definition von gilt Damit ist gezeigt, dass beide Flüsse die gleiche Verzögerung haben

15 Andreas Kalender, kalender@inf.fu-berlin.de15 Lemma 2 Die komplette Verzögerung in einem Nash-Fluss ist gegeben durch mit der Verzögerung in einem Fluss Für jeden Pfad gilt dass entweder oder Daraus folgt

16 Andreas Kalender, kalender@inf.fu-berlin.de16 Lemma 2 Die komplette Verzögerung in einem Nash-Fluss ist gegeben durch mit der Verzögerung in einem Fluss Für jeden Pfad gilt dass entweder oder Daraus folgt

17 Andreas Kalender, kalender@inf.fu-berlin.de17 Lemma 2 Die komplette Verzögerung in einem Nash-Fluss ist gegeben durch mit der Verzögerung in einem Fluss Für jeden Pfad gilt dass entweder oder Daraus folgt

18 Andreas Kalender, kalender@inf.fu-berlin.de18 Lemma 2 Die komplette Verzögerung in einem Nash-Fluss ist gegeben durch mit der Verzögerung in einem Fluss Für jeden Pfad gilt dass entweder oder Daraus folgt

19 Andreas Kalender, kalender@inf.fu-berlin.de19 Lemma 3 Jeder Fluss der einen Bedarf von abdeckt hat eine Gesamtverzögerung von mindestens Aus Lemma 1 folgt Und mit der Monotonie von folgt somit für jeden Fluss

20 Andreas Kalender, kalender@inf.fu-berlin.de20 Lemma 3 Jeder Fluss der einen Bedarf von abdeckt hat eine Gesamtverzögerung von mindestens Aus Lemma 1 folgt Und mit der Monotonie von folgt somit für jeden Fluss

21 Andreas Kalender, kalender@inf.fu-berlin.de21 Lemma 3 Jeder Fluss der einen Bedarf von abdeckt hat eine Gesamtverzögerung von mindestens Aus Lemma 1 folgt Und mit der Monotonie von folgt somit für jeden Fluss

22 Andreas Kalender, kalender@inf.fu-berlin.de22 Lemma 4 Die Summe ist gleich der Summe Für alle Flüsse die einen Bedarf von erfüllen gilt

23 Andreas Kalender, kalender@inf.fu-berlin.de23 Lemma 4 Die Summe ist gleich der Summe Für alle Flüsse die einen Bedarf von erfüllen gilt

24 Andreas Kalender, kalender@inf.fu-berlin.de24 Lemma 4 Die Summe ist gleich der Summe Für alle Flüsse die einen Bedarf von erfüllen gilt

25 Andreas Kalender, kalender@inf.fu-berlin.de25 Lemma 4 Die Summe ist gleich der Summe Für alle Flüsse die einen Bedarf von erfüllen gilt

26 Andreas Kalender, kalender@inf.fu-berlin.de26 Lemma 4 Die Summe ist gleich der Summe Für alle Flüsse die einen Bedarf von erfüllen gilt

27 Andreas Kalender, kalender@inf.fu-berlin.de27 Lemma 4 Die Summe ist gleich der Summe Für alle Flüsse die einen Bedarf von erfüllen gilt

28 Andreas Kalender, kalender@inf.fu-berlin.de28 Alle Lemma zusammen Aus Lemma 3 wissen wir, dass die Verzögerung im Fluss mit dem Bedarf mindestens beträgt Aus Lemma 4 wissen wir, dass der Unterschied zwischen den Verzögerungen von einem Fluss mit dem Bedarf von mit der Funktion oder bei maximal liegt Und diese entspricht wie wir aus Lemma 2 wissen der Verzögerung des Nash-Flusses Somit ist gezeigt, dass jeder Nash-Fluss, der erfüllt optimal ist für jeden Fluss mit Bedarf

29 Andreas Kalender, kalender@inf.fu-berlin.de29 Die Existenz eines Nash-Flusses Aus Potenzialfunktionen für Load Balancing [1] bekannt: Ein Fluss ist ein Nash-Gleichgewicht, genau dann, wenn er die Potentialfunktion minimiert sei ist differenzierbar und die Ableitung ist monoton ist Konvex (Summe konvexer Funktionen)

30 Andreas Kalender, kalender@inf.fu-berlin.de30 Lineare Verzögerungsfunktionen Seien die Verzögerungsfunktionen linear Unter dieser Voraussetzung lässt sich zeigen, dass die Verzögerung im Nash-Fluss maximal 4/3 vom optimalen Fluss beträgt Die Gesamtverzögerung eines Flusses ist gegeben durch

31 Andreas Kalender, kalender@inf.fu-berlin.de31 Flüsse mit linearen Verzögerungsfunktionen (I) Die Ableitung einer Verzögerungsfunktion ist gegeben durch Ein Fluss ist ein Nash-Fluss, genau dann wenn gilt (a) Ein Fluss ist optimal, genau dann wenn gilt (b)

32 Andreas Kalender, kalender@inf.fu-berlin.de32 Flüsse mit linearen Verzögerungsfunktionen (II) Sei ein Nash-Fluss in einem Graphen mit linearen Verzögerungsfunktionen, so gilt (c) folgt direkt daraus, dass die Funktionen linear sind (d) Der Fluss ist optimal für den halben Bedarf (bei sonst gleichen Bedingungen) folgt daraus, dass wenn ein Fluss (a) erfüllt, der Fluss (b) erfüllt

33 Andreas Kalender, kalender@inf.fu-berlin.de33 Obere Grenze der Verzögerung Das finden eines geeigneten Flusses wird nun in zwei Teile zerlegt Teil 1 besteht darin, dass man einen optimalen Fluss für den Graphen G, mit linearen Kostenfunktionen und dem Bedarf findet Diese Lösung entspricht nach (d) dem Nash-Fluss für den Bedarf (und sonst gleichen Bedingungen) Teil 2 besteht darin, dass man diesen Fluss so zu erweitern, dass er dem optimalen Fluss für den Bedarf entspricht Dabei kann der Fluss über die Kanten geändert werden, die die daraus resultierende Änderung der Verzögerung wird näher betrachtet

34 Andreas Kalender, kalender@inf.fu-berlin.de34 Lemma 5 Sei ein geeigneter Fluss, so gilt

35 Andreas Kalender, kalender@inf.fu-berlin.de35 Lemma 5 Sei ein geeigneter Fluss, so gilt

36 Andreas Kalender, kalender@inf.fu-berlin.de36 Lemma 6 (I) Sei ein optimaler Fluss für einen Bedarf von so ist die Verzögerung nach unten beschränkt durch da es sich bei die Funktion konvex ist, kann man mittels linearer Approximation die minimale Differenz zum optimalen Fluss berechnen somit liegt der Unterschied bei mindestens (e)

37 Andreas Kalender, kalender@inf.fu-berlin.de37 Lemma 6 (II) Sei ein minimaler Fluss über den Pfad so folgt

38 Andreas Kalender, kalender@inf.fu-berlin.de38 Nash-Fluss vs Optimaler Fluss Für die Einschränkung dass die Verzögerungsfunktionen linear sind, so liegt der optimale Fluss minimal bei ¾ des Nash-Flusses aus (c) ist bekannt, dass der optimale Fluss für zudem findet Lemma 6 mit Anwendung

39 Andreas Kalender, kalender@inf.fu-berlin.de39 Quellen [1] Potentialfunktion für Load Balancing - I. Kyrykos http://www.inf.fu-berlin.de/lehre/SS06/SeminarAlgorithmen/3-PotentialFunktionen.pdf [2] How Bad is Selfish Routing? - T.Roughgarden, E. Tardos [3] A Review of Non-atomic routing - E. Tardos [4] Studies in the Economies of Transportation - M. Beckmann

40 Andreas Kalender, kalender@inf.fu-berlin.de40 Vielen Dank!