[논문 리뷰] How to Meet Asynchronously at Polynomial Cost

Yoann Dieudonné, Andrzej Pelc외 1명|arXiv (Cornell University)|2013. 01. 30.

Optimization and Search Problems참고 문헌 33인용 수 18

한 줄 요약

이 논문은 미지의 네트워크에서 이방성으로 동작하는 모바일 에이전트를 위한 결정론적 랜데뷰 알고리즘을 제안하며, 그래프의 크기와 더 작은 에이전트 레이블의 로그에 대해 다항식 비용을 달성한다. 이는 이전의 지수적 비용 솔루션에 비해 지수적 향상이다. 알고리즘은 레이블 기반 조율과 토큰 전달을 통해 에이전트가 공동으로 모든 레이블을 학습하고 기본적인 분산 문제를 다항식 총 비용으로 해결할 수 있도록 하는 구조화된 탐색 단계를 사용한다.

ABSTRACT

Two mobile agents starting at different nodes of an unknown network have to meet. This task is known in the literature as rendezvous. Each agent has a different label which is a positive integer known to it, but unknown to the other agent. Agents move in an asynchronous way: the speed of agents may vary and is controlled by an adversary. The cost of a rendezvous algorithm is the total number of edge traversals by both agents until their meeting. The only previous deterministic algorithm solving this problem has cost exponential in the size of the graph and in the larger label. In this paper we present a deterministic rendezvous algorithm with cost polynomial in the size of the graph and in the length of the smaller label. Hence we decrease the cost exponentially in the size of the graph and doubly exponentially in the labels of agents. As an application of our rendezvous algorithm we solve several fundamental problems involving teams of unknown size larger than 1 of labeled agents moving asynchronously in unknown networks. Among them are the following problems: team size, in which every agent has to find the total number of agents, leader election, in which all agents have to output the label of a single agent, perfect renaming in which all agents have to adopt new different labels from the set {1, . . . , k}, where k is the number of agents, and gossiping, in which each agent has initially a piece of information (value) and all agents have to output all the values. Using our rendezvous algorithm we solve all these problems at cost polynomial in the size of the graph and in the smallest length of all labels of participating agents.

연구 동기 및 목표

• 에이전트가 네트워크나 상대방의 레이블에 대해 사전 지식이 없을 때, 미지의 이방성 네트워크에서 랜데뷰 문제를 해결하기 위해.
• 네트워크 크기와 더 작은 레이블의 로그에 대해 다항식 비용을 가지는 결정론적 랜데뷰 알고리즘을 설계하여 이전의 지수적 비용 솔루션을 향상시키기 위해.
• 랜데뷰 알고리즘을 활용해 팀 크기 탐지, 리더 선출, 완벽한 이름 부여, 게이시핑과 같은 기본 분산 문제를 다항식 총 통신 비용으로 해결하기 위해.
• 적대적인 속도 제어와 공유 시계 없이도 에이전트가 미지의 네트워크에서 효율적으로 협업하고 정보를 교환할 수 있음을 보여주기 위해.

제안 방법

• 에이전트는 상태 기계를 사용하며, 탐색자(네트워크를 탐색하는 단계), 탐색자(구조화된 탐색 수행), 유령(다른 에이전트와 협조하는 단계)의 단계를 거친다.
• 알고리즘은 유일한 레이블 기반 우선순위 시스템을 활용한다: 가장 큰 레이블(M)을 가진 에이전트가 조율자로 기능하여 유일하게 최종 랜데뷰 단계를 수행한다.
• 토큰 전달 메커니즘을 통해 에이전트들이 레이블 정보를 공유한다; 에이전트가 더 큰 레이블을 가진 토큰을 만날 경우, 유령 상태로 전환하고 토큰의 레이블 세트를 수용한다.
• 탐색자 상태의 제3단계는 조율자 에이전트가 깊이 우선 탐색(DFS) 트리의 이중 순회를 수행하는 것으로, 모든 유령 상태의 에이전트와 만남을 보장한다.
• 알고리즘은 랜데뷰와 토큰을 통한 정보 확산, 그리고 조율된 순회를 조합하여 모든 에이전트가 결국 모든 레이블을 학습하도록 보장한다.
• 고정 길이의 탐색 시퀀스 R(E(n),s)와 그 역순을 사용함으로써, 모든 유령 상태의 에이전트가 도달하고 완전한 레이블 세트를 인지하게 된다.

실험 결과

연구 질문

• RQ1 미지의 네트워크에서 이방성으로 동작하는 모바일 에이전트를 위한 결정론적 랜데뷰 알고리즘을 설계할 수 있는가? 이 알고리즘의 비용은 네트워크 크기와 더 작은 레이블의 로그에 대해 다항식이어야 한다.
• RQ2 모르는 레이블을 가진 에이전트들이 공유 지식이 없고 적대적인 속도 제어 조건 하에서도 효율적으로 만나는 방법은 무엇인가?
• RQ3 이러한 랜데뷰 알고리즘을 활용해 리더 선출, 게이시핑과 같은 기본 분산 문제를 다항식 총 비용으로 해결할 수 있는가?
• RQ4 에이전트 행동의 구조적 성질과 레이블 조율이 모든 에이전트가 결국 완전한 레이블 세트를 학습하도록 보장하는 데 어떤 역할을 하는가?

주요 결과

• 제안된 랜데뷰 알고리즘은 네트워크 크기와 더 작은 레이블의 로그에 대해 다항식 비용을 달성하며, 이는 이전의 지수적 비용 솔루션에 비해 지수적 향상이다.
• 알고리즘은 가장 큰 레이블(M)을 가진 에이전트가 결국 모든 레이블을 학습하고, 랜데뷰 및 토큰 전달을 통해 이 정보를 다른 모든 에이전트에게 확산시킴을 보장한다.
• 유령 상태에 있는 에이전트를 포함한 모든 에이전트가 결국 완전한 레이블 세트를 학습하게 되어, 팀 크기 탐지 및 완벽한 이름 부여와 같은 문제를 해결할 수 있다.
• 해결책을 통해 리더 선출, 완벽한 이름 부여, 게이시핑을 네트워크 크기와 에이전트 중 가장 작은 레이블의 로그에 대해 다항식 총 비용으로 수행할 수 있다.
• 적대적인 속도 제어 조건과 네트워크에 대한 사전 지식 없이도, 알고리즘이 실행이 끝날 무렵 모든 에이전트가 만나거나 정보를 교환함을 보장한다.
• 에이전트 상태와 레이블 전파에 대한 불변성을 통해 알고리즘의 정확성이 증명되며, 이로 인해 어떤 에이전트도 완전한 레이블 세트를 갖지 못할 일이 없다.