[논문 리뷰] Optimally Approximating the Lifetime of Wireless Sensor Networks.

Vivek Bagaria, Ashwin Pananjady외 1명|arXiv (Cornell University)|2013. 07. 19.

Energy Efficient Wireless Sensor Networks인용 수 8

한 줄 요약

이 논문은 최대 수명 커버리지 문제(Machine Learning Coverage Problem, MLCP)가 $ olimits\ln n$ 이내로 근사화될 수 없음을 증명함으로써 무선 센서 네트워크의 수명을 최대화한다. 또한 최대 상호배타적 집합 커버 문제(DSCP)를 통한 새로운 $ olimits\ln n$-근사 알고리즘을 제안하며, 네트워크의 확장성 개념을 활용해 이론적 한계를 초월하는 개선을 이룬다. 1차원 및 원형 감지 범위를 가진 2차원 센서 커버리지에 대해선 다항시간 정확 알고리즘과 $1+\epsilon$-근사 알고리즘을 각각 제공한다.

ABSTRACT

We consider the problem of maximizing the lifetime of coverage (MLCP) of targets in a wireless sensor network with battery-limited sensors. We first show that the MLCP cannot be approximated within a factor less than $\ln n$ by any polynomial time algorithm, where $n$ is the number of targets. This provides closure to the long-standing open problem of showing optimality of previously known $\ln n$ approximation algorithms. We also derive a new $\ln n$ approximation to the MLCP by showing a $\ln n$ approximation to the maximum disjoint set cover problem (DSCP), which has many advantages over previous MLCP algorithms, including an easy extension to the $k$-coverage problem. We then present an improvement (in certain cases) to the $\ln n$ algorithm in terms of a newly defined quantity expansiveness of the network. For the special one-dimensional case, where each sensor can monitor a contiguous region of possibly different lengths, we show that the MLCP solution is equal to the DSCP solution, and can be found in polynomial time. Finally, for the special two-dimensional case, where each sensor can monitor a circular area with a given radius around itself, we combine existing results to derive a $1+\epsilon$ approximation algorithm for solving MLCP for any $\epsilon >0$.

연구 동기 및 목표

• 최대 수명 커버리지 문제(MLCP)가 $ olimits\ln n$ 이내로 근사화될 수 있는지 여부에 대한 오랜 동안 미해결된 문제를 해결하기 위해.
• MLCP를 최대 상호배타적 집합 커버 문제(DSCP)로 환원하여 $ olimits\ln n$-근사 알고리즘을 새롭게 개발하기 위해.
• 특정 네트워크 구성에서 특히 유리한 네트워크 특성인 확장성(expansiveness)을 활용해 근사 비율을 향상시키기 위해.
• 센서가 연속적인 간격을 커버하는 1차원 경우에 대해 다항시간 정확 알고리즘을 제공하기 위해.
• 원형 감지 범위를 가진 2차원 경우에 대해 $1+\epsilon$-근사 알고리즘을 설계하기 위해.

제안 방법

• P=NP가 아닐 경우 MLCP는 $ olimits\ln n$ 이내로 근사화될 수 없음을 증명함으로써 기존 $ olimits\ln n$ 알고리즘의 최적성(tightness)을 입증한다.
• MLCP를 DSCP 문제로 환원하고, DSCP에 대한 $ olimits\ln n$-근사 해를 유도함으로써 MLCP에 대한 새로운 확장 가능한 알고리즘을 가능하게 한다.
• 특정 네트워크 구조에서 유리한 상황에서 근사 비율을 $ olimits\ln n$ 초월해 향상시키기 위해 네트워크의 확장성 개념을 도입한다.
• 1차원 경우에선 MLCP가 DSCP와 동치이며, 간격 스케줄링 기법을 활용해 다항시간 내에 정확히 해결 가능하다고 보여준다.
• 기하학적 및 조합적 결과를 융합하여 계층적 분해와 반올림 전략을 활용해 2차원 원형 커버리지에 대한 $1+\epsilon$-근사 알고리즘을 설계한다.

실험 결과

연구 질문

• RQ1 최대 수명 커버리지 문제(MLCP)는 $ olimits\ln n$ 이내로 근사화될 수 있는가?
• RQ2 기존 방법보다 확장성과 구조적 우수성을 갖춘 새로운 알고리즘 프레임워크가 MLCP에 존재하는가?
• RQ3 확장성과 같은 새로운 네트워크 특성을 활용해 $ olimits\ln n$ 초월 근사 비율을 향상시킬 수 있는가?
• RQ4 MLCP의 1차원 경우에 대해 다항시간 정확 알고리즘이 존재하는가?
• RQ5 원형 감지 범위를 가진 2차원 경우에 대해 $1+\epsilon$-근사해를 달성할 수 있는가?

주요 결과

• 최대 수명 커버리지 문제(MLCP)는 어떤 다항시간 알고리즘으로도 $ olimits\ln n$ 이내로 근사화될 수 없으며, 이는 기존 $ olimits\ln n$ 알고리즘의 최적성(optimality)을 증명한다.
• 최대 상호배타적 집합 커버 문제(DSCP)로의 환원을 통해 새로운 $ olimits\ln n$-근사 알고리즘을 개발하였으며, 이는 더 모듈화되고 확장 가능한 구조를 가진다.
• 새로 정의된 네트워크의 확장성 성질을 활용해 특정 네트워크 구성에서 $ olimits\ln n$ 초월 근사 비율 향상을 달성할 수 있다.
• 센서가 연속적인 간격을 커버하는 1차원 경우에선 MLCP가 DSCP와 동치이며, 다항시간 내에 정확히 해결 가능하다.
• 원형 감지 범위를 가진 2차원 경우에선 기하학적 분해와 반올림 기법을 활용해 임의의 $\epsilon > 0$ 에 대해 $1+\epsilon$-근사 알고리즘을 구성할 수 있다.