Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen...
-
Upload
heine-zaiser -
Category
Documents
-
view
105 -
download
0
Transcript of Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen...
![Page 1: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/1.jpg)
Andreas KalenderInstitut für Informatik FU Berlin17.05.2006
Seminar über AlgorithmenDurchschnittsverzögerung
![Page 2: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/2.jpg)
Andreas Kalender, [email protected] 2
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
![Page 3: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/3.jpg)
Andreas Kalender, [email protected] 3
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
![Page 4: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/4.jpg)
Andreas Kalender, [email protected] 4
• 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
l e x e∈E
l e x
v ∈ V
l e x
![Page 5: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/5.jpg)
Andreas Kalender, [email protected] 5
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
si−t i si t i
Pi si−t iP = ∪iPi
f P f P :P∈P ℝ
![Page 6: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/6.jpg)
Andreas Kalender, [email protected] 6
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
f e =∑ P ∈P :e∈Pf P
l P f =∑e∈Pl e f e
l e x
∀ i∀ P ,Q∈P i : f P≥0 ⇒ lP f ≤ lQ f
f
P∈P i
![Page 7: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/7.jpg)
Andreas Kalender, [email protected] 7
• 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
si t i
P i
dem i
f P∈P
f P≥0 ∧ ∀ i : ∑P∈Pi
f P=dem i
![Page 8: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/8.jpg)
Andreas Kalender, [email protected] 8
Pigou's Beispiel
• Kosten des Weges von s nach t• Nash Gleichgewicht = 1• 50-50 Verteilung = 0,75
s t
l e x =1
l e x = x
![Page 9: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/9.jpg)
Andreas Kalender, [email protected] 9
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)
ts
u
v
l e x =1 l e x = x
l e x = x l e x =1
![Page 10: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/10.jpg)
Andreas Kalender, [email protected] 10
Braess Paradoxon
• Einfügen einer neuen Kante (ohne Kosten) führt zu Erhöhung der Kosten• 100% über s-v-u-t mit Kosten 2
ts
u
v
• Einfügen einer neuen Kante (ohne Kosten) führt zu Erhöhung der Kosten
● 100% über s-v-u-t mit Kosten 2
l e x =1 lex =x
l e x =1lex =x
l e x =0
![Page 11: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/11.jpg)
Andreas Kalender, [email protected] 11
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
![Page 12: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/12.jpg)
Andreas Kalender, [email protected] 12
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?
![Page 13: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/13.jpg)
Andreas Kalender, [email protected] 13
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
L=∑P∈Pf P l P f
L
l∧
e
l∧
e={l e f e x≤f el e x xf e
f eD
ela
y
le x
l∧
e x
Flow on E
![Page 14: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/14.jpg)
Andreas Kalender, [email protected] 14
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
Pi
Pi
l∧
le f e
l∧
l∧
e0=l e f e
![Page 15: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/15.jpg)
Andreas Kalender, [email protected] 15
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
∑iL idem i
L i P∈P i
P∈P i f P=0 lP f =Li
∑Pf P lP f =∑i ∑P∈Pi
f P lP f
![Page 16: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/16.jpg)
Andreas Kalender, [email protected] 16
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
∑iL idem i
L i P∈P i
P∈P i f P=0 lP f =Li
∑Pf P lP f =∑i ∑P∈Pi
f P lP f
=∑i∑P∈Pi
f PLi
![Page 17: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/17.jpg)
Andreas Kalender, [email protected] 17
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
∑iL idem i
L i P∈P i
P∈P i f P=0 lP f =Li
∑Pf P lP f =∑i ∑P∈Pi
f P lP f
=∑i∑P∈Pi
f PLi
=∑iLi∑P∈Pi
f p
![Page 18: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/18.jpg)
Andreas Kalender, [email protected] 18
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
∑iL idem i
L i P∈P i
P∈P i f P=0 lP f =Li
∑Pf P lP f =∑i ∑P∈Pi
f P lP f
=∑i∑P∈Pi
f PLi
=∑iLi∑P∈Pi
f p
=∑iLidem i
![Page 19: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/19.jpg)
Andreas Kalender, [email protected] 19
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
f∗ ∀ i :2∗dem i 2∑i
L idem i
∀P∈Pi : l∧
P 0≥L i
∑i∑P∈Pi
f P∗ l
∧
P f∗ ≥ ∑i ∑P∈Pi
f P∗L i
l∧
P
![Page 20: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/20.jpg)
Andreas Kalender, [email protected] 20
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
f∗ ∀ i :2∗dem i 2∑i
Li dem i
∀P∈Pi : l∧
P 0≥L i
∑i∑P∈Pi
f P∗ l
∧
P f∗ ≥ ∑i ∑P∈Pi
f P∗L i
l∧
P
≥∑iLi∑P∈Pi
f P∗
![Page 21: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/21.jpg)
Andreas Kalender, [email protected] 21
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
f∗ ∀ i :2∗dem i 2∑i
Li dem i
∀P∈Pi : l∧
P 0≥L i
∑i∑P∈Pi
f P∗ l
∧
P f∗ ≥ ∑i ∑P∈Pi
f P∗L i
l∧
P
≥∑iLi∑P∈Pi
f P∗
≥∑iL i 2dem i = 2∑i
L idem i
![Page 22: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/22.jpg)
Andreas Kalender, [email protected] 22
Lemma 4
• Die Summe ist gleich der Summe
• Für alle Flüsse die einen Bedarf von erfüllen gilt
∑Pf P lP f ∑e
l e f e f e
∑Pf P lP f =∑P
f P∑e∈Pl e f e
f ∗ 2dem i
∑Pf P
¿ l∧
P f ∗−∑Pf P
¿ lP f∗=∑e
f ∗ e l∧
f ∗e −∑ef ∗e l f ∗e
![Page 23: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/23.jpg)
Andreas Kalender, [email protected] 23
Lemma 4
• Die Summe ist gleich der Summe
• Für alle Flüsse die einen Bedarf von erfüllen gilt
∑Pf P lP f ∑e
l e f e f e
∑Pf P lP f =∑P
f P∑e∈Pl e f e
=∑e∈E ∑P : e∈Pl e f e f P
f ∗ 2dem i
∑Pf P
¿ l∧
P f ∗−∑Pf P
¿ lP f∗=∑e
f ∗ e l∧
f ∗e −∑ef ∗e l f ∗e
![Page 24: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/24.jpg)
Andreas Kalender, [email protected] 24
Lemma 4
• Die Summe ist gleich der Summe
• Für alle Flüsse die einen Bedarf von erfüllen gilt
∑Pf P lP f ∑e
l e f e f e
∑Pf P lP f =∑P
f P∑e∈Pl e f e
=∑e∈E ∑P : e∈Pl e f e f P
∑Pf P lP f
f ∗ 2dem i
∑Pf P
¿ l∧
P f ∗−∑Pf P
¿ lP f∗=∑e
f ∗ e l∧
f ∗e −∑ef ∗e l f ∗e
![Page 25: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/25.jpg)
Andreas Kalender, [email protected] 25
Lemma 4
• Die Summe ist gleich der Summe
• Für alle Flüsse die einen Bedarf von erfüllen gilt
∑Pf P lP f ∑e
l e f e f e
∑Pf P lP f =∑P
f P∑e∈Pl e f e
=∑e∈E ∑P : e∈Pl e f e f P
=∑e∈El e f e ∑P :e∈P
f P
=∑e∈El e f e f e
f ∗ 2dem i
∑Pf P
¿ l∧
P f ∗−∑Pf P
¿ lP f∗=∑e
f ∗ e l∧
f ∗e −∑ef ∗e l f ∗e
![Page 26: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/26.jpg)
Andreas Kalender, [email protected] 26
Lemma 4
• Die Summe ist gleich der Summe
• Für alle Flüsse die einen Bedarf von erfüllen gilt
∑Pf P lP f ∑e
l e f e f e
∑Pf P lP f =∑P
f P∑e∈Pl e f e
=∑e∈E ∑P : e∈Pl e f e f P
=∑e∈El e f e ∑P :e∈P
f P
=∑e∈El e f e f e
f ∗ 2dem i
∑Pf P
¿ l∧
P f ∗−∑Pf P
¿ lP f∗=∑e
f ∗ e l∧
f ∗e −∑ef ∗e l f ∗e
=∑ef ∗e l∧e f ∗ e −l e f ∗ e
![Page 27: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/27.jpg)
Andreas Kalender, [email protected] 27
Lemma 4
• Die Summe ist gleich der Summe
• Für alle Flüsse die einen Bedarf von erfüllen gilt
∑Pf P lP f ∑e
l e f e f e
∑Pf P lP f =∑P
f P∑e∈Pl e f e
=∑e∈E ∑P : e∈Pl e f e f P
=∑e∈El e f e ∑P :e∈P
f P
=∑e∈El e f e f e
f ∗ 2dem i
∑Pf P
¿ l∧
P f ∗−∑Pf P
¿ lP f∗=∑e
f ∗ e l∧
f ∗e −∑ef ∗e l f ∗e
=∑ef ∗e l∧e f ∗ e −l e f ∗ e
≤∑ef e l e f e =∑i
Li dem i
![Page 28: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/28.jpg)
Andreas Kalender, [email protected] 28
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 Bedarff ∗ 2demi
f dem i
f ∗ 2demi 2∑iLi dem i
2dem i l∧
l ∑iL idem i
f ∗
![Page 29: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/29.jpg)
Andreas Kalender, [email protected] 29
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)
=∑e∈E ∫0
f el e d
h x =∫0
xl ed
⇒h x ⇒
![Page 30: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/30.jpg)
Andreas Kalender, [email protected] 30
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
∀e∈E : l ex =ae xbe
L f =∑e∈Eae f e
2be f e
![Page 31: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/31.jpg)
Andreas Kalender, [email protected] 31
Flüsse mit linearen Verzögerungsfunktionen (I)
∀ i∀P1 ,P2∈Pi : f P 10∧
• 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)
∑e∈P1
ae f ebe≤∑e∈P2
ae f ebe
l
l∗= dd x
x⋅l x
∀ i ∀P 1 ,P 2∈Pi : f P 1
∗ 0∧
⇒ le∗x =2ae xbe
∑e∈P 1
2ae f e∗be≤∑e∈P 2
2ae f e∗be
![Page 32: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/32.jpg)
Andreas Kalender, [email protected] 32
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
f
l e∗f e /2=l e f e
f /2
f f /2
![Page 33: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/33.jpg)
Andreas Kalender, [email protected] 33
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
dem i
dem i /2
![Page 34: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/34.jpg)
Andreas Kalender, [email protected] 34
Lemma 5
• Sei ein geeigneter Fluss, so gilt L f /2 ≥ 14L f f
L f /2=∑e∈E 12 ae f ebe f e2≥ 14∑e∈E ae f ebe f e
=14⋅L f
![Page 35: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/35.jpg)
Andreas Kalender, [email protected] 35
Lemma 5
• Sei ein geeigneter Fluss, so gilt L f /2 ≥ 14L f f
L f /2=∑e∈E 12 ae f ebe f e2≥ 14∑e∈E ae f ebe f e
≥ 14∑e∈E ae f ebe f e
![Page 36: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/36.jpg)
Andreas Kalender, [email protected] 36
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)
f ∗
L f ∗ ∑e∈El e∗ f e∗ f e∗
∀0 :
1dem i
le f ef e≥lef e∗f ∗f e−f e
∗ le∗f e
∗
x⋅lex
f e−f e∗ le
∗f e∗
⇒L f ≥L f ∗∑e∈Ef e−f e
∗ le∗f e
∗
![Page 37: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/37.jpg)
Andreas Kalender, [email protected] 37
Lemma 6 (II)
• Sei ein minimaler Fluss über den Pfad so folgtP i
L f ≥L f ∗∑iLi
∗f ∗∑P∈P i
f P−f P∗
L i f∗
=L f ∗∑iL i
∗f ∗
![Page 38: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/38.jpg)
Andreas Kalender, [email protected] 38
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
L f ∗≥Lf /2∑e∈El e∗f e /2
f e2
≥ 14L f 1
2∑e∈E
l e f e f e=34L f
f
=1
![Page 39: Andreas Kalender Institut für Informatik FU Berlin 17.05.2006 Seminar über Algorithmen Durchschnittsverzögerung.](https://reader035.fdocuments.net/reader035/viewer/2022062622/55204d6349795902118b8f0e/html5/thumbnails/39.jpg)
Andreas Kalender, [email protected] 39
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