[論文レビュー] Minimum Power Range Assignment for Symmetric Connectivity in Sensor Networks with two Power Levels

Stefan Hoffmann, Egon Wanke|arXiv (Cornell University)|May 5, 2016

Mobile Ad Hoc Networks参考文献 9被引用数 3

ひとこと要約

本稿は、2つの送信電力レベルしか持たない無線センサネットワークにおける対称的最小電力範囲割り当て問題に対して、パrameterized近似アルゴリズムApprox2LSRA_kを提案する。性能比はπ²/6 ≈ 1.645に限りなく近づけ、k=3の特殊な実装ではO(n log n)の時間計算量を達成し、タイトな7/4の近似比を実現する。これは、2電力レベルの対称的接続問題における先行研究の境界を著しく改善する。

ABSTRACT

This paper examines the problem of assigning a transmission power to every node of a wireless sensor network. The goal is to minimize the total power consumption while ensuring that the resulting communication graph is connected. We focus on a restricted version of this Range Assignment (RA) problem in which there are two different power levels. We only consider symmetrical transmission links to allow easy integration with low level wireless protocols that typically require bidirectional communication between two neighboring nodes. We introduce a parameterized polynomial time approximation algorithm with a performance ratio arbitrarily close to $π^2/6$. Additionally, we give an almost linear time approximation algorithm with a tight quality bound of $7/4$.

研究の動機と目的

• 2つの電力レベルしか持たない無線センサネットワークにおける対称的最小電力範囲割り当て問題に取り組み、全エネルギー消費を最小化するとともに双方向接続性を保証すること。
• 2電力レベルの対称的RA問題に対して、性能比がπ²/6 ≈ 1.645に限りなく近づく多項式時間近似アルゴリズムを開発すること。
• k=3の場合の効率的でほぼ線形時間の実装を提供し、タイトな7/4の近似保証を達成すること。
• 提案されたアルゴリズム族の近似品質に関する理論的境界を、幾何的埋め込みやリンク相関の仮定に依存せずに確立すること。

提案手法

• アルゴリズムApprox2LSRA_kは、greedyかつコンポーネントベースの方法で、k-マージング（max-powerエッジによって接続可能なk個のノードの集合）と2-マージング（max-powerエッジによって接続可能なノードペア）を特定する。
• 連結成分を効率的に維持・統合するために、並列集合データ構造（union-find）を用い、k=3の場合にほぼ線形時間計算量を達成する。
• max-powerエッジの処理において、k-マージングの形成を2-マージングの形成より優先することで、解構築における構造的最適性を保証する。
• 性能比は、アルゴリズムの解のサイズを最適解のサイズと比較する最悪ケースインスタンスの分析によって導出され、kに依存する境界が得られる。
• ノードがmin-powerで信号を受信できるならば、max-powerでも受信可能であるという仮定を置き、対称的リンク仮定を必要としない。
• min-およびmax-powerの隣接関係を明示的なデータ構造で表現し、s_minおよびs_maxがそれぞれ隣接関係表現のサイズであるとき、O(s_min + s_max)時間で効率的に処理可能である。

実験結果

リサーチクエスチョン

• RQ1 多項式時間アルゴリズムを用いた場合、対称的2電力レベル範囲割り当て問題で達成可能な最良の近似比は何か？
• RQ2 パrameter kを増加させると、性能比がπ²/6に近づくようなパrameterizedアルゴリズムを設計可能か？
• RQ3 k=3などの特定のk値に対して、タイトな近似保証を持つ実用的でほぼ線形時間の実装が可能か？
• RQ4 最悪ケースのネットワーク構成において、アルゴリズムの性能は既知の下界と比べてどうか？
• RQ5 幾何的埋め込みや対称的リンク仮定に依存せずに、効率的に実装可能か？

主な発見

• Approx2LSRA_kの性能比は、(3k−2)/(2k−2) と 1/(k−1) + Σ(i=1 to k−1) 1/i² の間で有界であり、kが増加するにつれてπ²/6 ≈ 1.645に近づく。
• k=3の場合、アルゴリズムはタイトな7/4の近似比を達成し、この問題変種における最良の既知の結果である。
• union-findデータ構造を用いることで、ほぼ線形時間で実装可能であり、時間計算量はO(f(s_min, s_max) · α(f(s_min, s_max), |V|))、ここでf ∈ O(s_min + s_max)である。
• 最悪ケースインスタンスの構築により、k=3における7/4の上界がタイトであることが示され、近似要因の最適性が確認された。
• アルゴリズムの性能はネットワークの幾何的埋め込みに依存せず、対称的リンク仮定も不要で、min-およびmax-powerの隣接集合のみに依存する。
• 理論的解析により、アルゴリズムがパrameterized多項式時間近似スキーム（PPTAS）であり、性能比がπ²/6に限りなく近づくことが確認された。