[論文レビュー] Randomized Distributed Configuration Management of Wireless Networks: Multi-layer Markov Random Fields and Near-Optimality

Sung-eok Jeon, Chunayi Ji|ArXiv.org|Sep 11, 2008

Mobile Ad Hoc Networks参考文献 30被引用数 8

ひとこと要約

本稿では、2層のマルコフ確率場（MRF）モデルを用いて、近似的最適性能を達成する、ランダム化された分散型無線ネットワーク設定管理アルゴリズムを提案する。物理的および論理的設定をギブス分布で統合的にモデル化し、局所的MRFによる近似を施すことで、スケーラビリティと有界な近似誤差を確保する。ノードがα > 4の場合はO(1)、α < 4の場合はO(√[3]{N})の近隣ノードと通信することで、近似的最適性が保証される。

ABSTRACT

Distributed configuration management is imperative for wireless infrastructureless networks where each node adjusts locally its physical and logical configuration through information exchange with neighbors. Two issues remain open. The first is the optimality. The second is the complexity. We study these issues through modeling, analysis, and randomized distributed algorithms. Modeling defines the optimality. We first derive a global probabilistic model for a network configuration which characterizes jointly the statistical spatial dependence of a physical- and a logical-configuration. We then show that a local model which approximates the global model is a two-layer Markov Random Field or a random bond model. The complexity of the local model is the communication range among nodes. The local model is near-optimal when the approximation error to the global model is within a given error bound. We analyze the trade-off between an approximation error and complexity, and derive sufficient conditions on the near-optimality of the local model. We validate the model, the analysis and the randomized distributed algorithms also through simulation.

研究の動機と目的

• 分散型無線ネットワーク設定における近的最適性を達成するという未解決問題に取り組むこと。
• 局所的設定アルゴリズムにおける近似誤差と通信複雑度のトレードオフを分析すること。
• 局所的近隣相互作用に基づく自己設定を可能にする、スケーラブルでランダム化された分散アルゴリズムを開発すること。
• 複数のネットワーク再設定シナリオにおけるシミュレーションを通じて、モデルとアルゴリズムの妥当性を検証すること。
• 局所的MRF近似がグローバルネットワーク設定において近的最適性を保つために十分な条件を確立すること。

提案手法

• 物理的制約（ノード位置、干渉）と管理目的（接続性、信号品質、コスト）から導かれるギブス分布として、グローバルネットワーク設定をモデル化する。
• グローバルモデルの局所的近似として、2層のマルコフ確率場（MRF）を導出する。これにより、物理的および論理的設定間の空間的依存関係を捉える。
• 干渉、接続性、再利用制約をMRFに符号化するため、パラメータα_ij、α_ij,mn、およびα_ij,mn,uvを含むハミルトニアン関数を用いる。
• 時間直交STDMAフレームワークを用いて、複数時刻スロットへのモデル拡張を実施する。時刻スロット割り当てω_s(S_ij) = 1/S_ijにより、初期スロットを優先し、サイクル長を最小化する。
• 各ノードが局所的近隣情報に基づいて設定を更新するランダム化された分散アルゴリズムを適用し、非同期的かつスケーラブルな自己設定を実現する。
• 1次連結トポロジ形成、空間的チャネル再利用最大化、障害回復の3つのシナリオにおいて、シミュレーションを通じてモデルとアルゴリズムの妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 近似誤差の観点から、グローバルネットワーク設定モデルの局所的MRF近似が近的最適性を達成する条件は何か？
• RQ2 ネットワークサイズNが増大する際、近似誤差を有界に保つためにノードが通信する必要のある近隣ノード数はどのように変化するか？
• RQ3 分散設定アルゴリズムにおける通信複雑度（近隣ノード数）と近似誤差のトレードオフはどのようなものか？
• RQ4 ネットワークサイズに伴いスケーリングが滑らかに進行する分散アルゴリズムが、どのようにして近的最適性を達成できるか？
• RQ5 障害発生後の物理的および論理的トポロジ再設定をモデルがサポートできるか。その性能の上限は何か？

主な発見

• 路損指数α > 4の場合は、ノードがO(1)の近隣ノードと通信するだけで、近似誤差が有界となり、近的最適性が保証される。
• α < 4の場合は、近似誤差を有界に保つために、ノードがO(√[3]{N})より多くの近隣ノードと通信する必要がある。
• 近似誤差はε_Δで有界であり、これは経路損失指数α、送信電力P_t、雑音N_b、SINR閾値に依存する。α = 2, 4、およびその他の値について、明示的な式が導出された。
• 最適な設定と近似された設定の間のハミルトニアンにおける期待相対誤差はε_Δで有界であり、期待的に近的最適性が保証される。
• STDMAを用いた複数時刻スロット拡張により、物理的および論理的設定の統合的再設定が可能である。時刻スロット重みω_s(S_ij) = 1/S_ijを用いることで、サイクル長を最小化する。
• シミュレーションにより、1次連結トポロジ形成、チャネル再利用最大化、障害回復の3つのシナリオにおいてモデルとアルゴリズムの妥当性が検証され、スケーラビリティと性能が確認された。