[논문 리뷰] Distributed Deterministic Broadcasting in Wireless Networks of Weak Devices under the SINR Model

Tomasz Jurdziński, Dariusz R. Kowalski외 1명|arXiv (Cornell University)|2012. 10. 05.

Mobile Ad Hoc Networks참고 문헌 11인용 수 3

한 줄 요약

이 논문은 SINR 모델 하에서 광범위한 무선 네트워크에서 분산 결정적 브로드캐스트에 대한 최초의 이론적 연구를 제시하며, 국소적 이웃 정보가 있는지 여부에 따라 설정되는 알고리즘을 제안한다. 이는 Ω(n log N)의 하한을 확립하고, 이를 충족하는 알고리즘을 개발하여 결정적 브로드캐스트가 국소적 토폴로지 학습보다 훨씬 더 비용이 많이 들며, 이 설정에서 랜덤화가 큰 개선을 제공하지 않는다는 것을 보여준다.

ABSTRACT

In this paper we initiate a study of distributed deterministic broadcasting in ad-hoc wireless networks with uniform transmission powers under the SINR model. We design algorithms in two settings: with and without local knowledge about immediate neighborhood. In the former setting, our solution has almost optimal O(Dlog2 n) time cost, where n is the size of a network, D is the eccentricity of the network and {1,...,N} is the set of possible node IDs. In the latter case, we prove an Omega(n log N) lower bound and develop an algorithm matching this formula, where n is the number of network nodes. As one of the conclusions, we derive that the inherited cost of broadcasting techniques in wireless networks is much smaller, by factor around min{n/D,Delta}, than the cost of learning the immediate neighborhood. Finally, we develop a O(D Delta log2 N) algorithm for the setting without local knowledge, where Delta is the upper bound on the degree of the communication graph of a network. This algorithm is close to a lower bound Omega(D Delta).

연구 동기 및 목표

• 광범위한 무선 네트워크에서 SINR 모델 하에서 다중호프 결정적 통신에 대한 이론적 이해 부족을 해결하기 위해.
• 노드가 네트워크 토폴로지에 대한 제한된 지식을 가질 때 효율적인 분산 결정적 브로드캐스트 알고리즘을 설계하기 위해.
• 국소 지식이 있는 경우와 없는 경우의 두 설정에서 브로드캐스트의 시간 복잡도에 대한 날카로운 하한을 확립하기 위해.
• 랜덤화가 SINR 모델 하에서 광범위한 브로드캐스트의 복잡도를 크게 감소시킬 수 있는지 조사하기 위해.

제안 방법

• 국소 지식이 있는 경우에 대해 O(D log²n) 시간 복잡도를 달성하는 분산 결정적 브로드캐스트 알고리즘을 설계하며, 여기서 D는 네트워크의 비대칭성이고 n은 노드 수이다.
• 국소 지식이 없는 설정을 위한 새로운 알고리즘을 개발하여 O(DΔ log²N)의 시간 복잡도를 확보하였으며, 이는 Ω(DΔ) 하한에 로그 인자 수준에서 정확히 일치한다.
• 국소 지식이 없는 상황에서 어떤 결정적 알고리즘도 Ω(n log N) 라운드를 요구하게 만드는 악성 네트워크 구성 요건을 악성 대안 기반으로 구성한다.
• SINR 모델의 특성을 활용하여, 가까운 거리에서의 전송가능성이 강한 간섭에도 불구하고 성공할 수 있음을 이용하여, 고밀도 간섭 환경에서도 신뢰할 수 있는 통신이 가능함을 보여준다.
• 최악의 간섭 상황을 시뮬레이션하기 위해 정교하게 배치된 노드를 갖는 계층적 네트워크 구조를 적용하여, 네트워크 역사 기록의 불가구별성에 기반해 하한을 증명한다.
• 전송 패tern에 대한 확률적 수량 분석을 통해 결정적 알고리즘의 하한을 랜덤화 알고리즘에 대한 하한으로 전환한다.

실험 결과

연구 질문

• RQ1 노드가 이웃 노드에 대한 국소 지식이 없는 경우, 광범위한 무선 네트워크에서 SINR 모델 하에서 분산 결정적 브로드캐스트의 최악의 시간 복잡도는 얼마인가?
• RQ2 국소 지식이 없는 상황에서 결정적 브로드캐스트는 효율적으로 수행될 수 있으며, 이 경우의 복잡도는 국소 지식이 있는 경우와 비교해 어떻게 되는가?
• RQ3 SINR 모델 하에서 광범위한 브로드캐스트에 대해 랜덤화가 결정적 알고리즘보다 상당한 이점을 제공하는가?
• RQ4 네트워크의 비대칭성 D와 최대 차수 Δ는 SINR 모델 하에서 결정적 브로드캐스트의 복잡도에 어떤 영향을 미치는가?
• RQ5 SINR 모델 하에서 국소 토폴로지 학습과 브로드캐스트 사이의 시간 복잡도 측면에서의 본질적 트레이드오프는 무엇인가?

주요 결과

• 국소 지식이 없는 상황에서 결정적 브로드캐스트의 시간 복잡도에 대해 Ω(n log N)의 하한을 확립하였으며, 여기서 n은 노드 수이고 N은 노드 ID의 범위이다.
• 국소 지식이 없는 설정에서 이 하한을 충족하는 알고리즘을 설계하여 O(DΔ log²N)의 시간 복잡도를 달성하였으며, 이는 거의 최적임을 보여준다.
• 국소 지식이 있는 설정에서는 O(D log²n)의 시간 복잡도를 달성하였으며, 이는 거의 최적이며 국소 지식이 없는 경우보다 훨씬 우수하다.
• 연구 결과에 따르면, 브로드캐스트의 비용은 국소 이웃 학습 비용보다 min{n/D, Δ} 배 더 높으며, 이는 브로드캐스트가 본질적으로 더 비용이 많이 든다는 것을 의미한다.
• 논문은 랜덤화가 SINR 모델 하에서 광범위한 브로드캐스트의 복잡도를 상당히 감소시키지 못함을 증명하였으며, 동일한 Ω(n log N) 하한이 랜덤화 알고리즘에도 적용됨을 보였다.
• 결과적으로, 강한 간섭 조건 하에서도 매우 가까운 거리의 송신기 간에 신뢰할 수 있는 통신이 가능하며, 이는 고밀도 간섭 환경에서도 효율적인 결정적 프로토콜이 가능함을 시사한다.