[논문 리뷰] Quasi-Majority Functional Voting on Expander Graphs

Nobutaka Shimizu, Takeharu Shiraga|arXiv (Cornell University)|2020. 01. 01.

Distributed systems and fault tolerance참고 문헌 36인용 수 3

한 줄 요약

이 논문은 확장자 그래프 위에서 동기 투표를 위한 일반화된 모델인 준다수 기능 투표(quasi-majority functional voting)를 제안한다. 이는 최고의 두 개와 최고의 세 개 규칙을 통합한다. 충분한 初기 편향 또는 높은 확장성(예: $ p = \Omega(1/\sqrt{n}) $ 인 에르되시-레니 그래프)이 있는 경우, 높은 확률로 $ O(\log n) $ 단계 내에 공감대에 도달하며, 최고의 $(2k+1)$에 대해서는 $ k = o(n/\log n) $ 일 때 시간이 $ O(\log n / \log k) $ 가 된다.

ABSTRACT

Consider a distributed graph where each vertex holds one of two distinct opinions. In this paper, we are interested in synchronous voting processes where each vertex updates its opinion according to a predefined common local updating rule. For example, each vertex adopts the majority opinion among 1) itself and two randomly picked neighbors in best-of-two or 2) three randomly picked neighbors in best-of-three. Previous works intensively studied specific rules including best-of-two and best-of-three individually. In this paper, we generalize and extend previous works of best-of-two and best-of-three on expander graphs by proposing a new model, quasi-majority functional voting. This new model contains best-of-two and best-of-three as special cases. We show that, on expander graphs with sufficiently large initial bias, any quasi-majority functional voting reaches consensus within $O(\log n)$ steps with high probability. Moreover, we show that, for any initial opinion configuration, any quasi-majority functional voting on expander graphs with higher expansion (e.g., Erdős-Rényi graph $G(n,p)$ with $p=Ω(1/\sqrt{n})$) reaches consensus within $O(\log n)$ with high probability. Furthermore, we show that the consensus time is $O(\log n/\log k)$ of best-of-$(2k+1)$ for $k=o(n/\log n)$.

연구 동기 및 목표

• 최고의 두 개와 세 개 규칙 외의 투표 과정에 대한 공감대 도달 시간 분석의 격차를 메우기 위해.
• 기존 모델을 통합된 프레임워크인 준다수 기능 투표로 일반화하여, 최고의 두 개와 세 개 규칙를 특수 케이스로 포함하기 위해.
• 다양한 확장 성질을 가진 확장자 그래프에서 이 일반화된 모델에 대한 엄밀한 공감대 도달 시간 경계를 설정하기 위해.
• 초기 의견 편향과 그래프의 확장성 공감대 수렴 속도에 미치는 영향을 분석하기 위해.
• 이전의 최고의 $ k $ 투표 결과를 $ k $ 에 대한 명시적 의존성을 포함한 더 넓은 범주로 확장하기 위해.

제안 방법

• 각 정점이 무작위로 선택된 $ 2k+1 $ 개의 이웃 정점의 의견에 대한 대칭적이고 비감소 함수에 따라 의견을 갱신하는 새로운 투표 모델인 준다수 기능 투표를 제안한다(재배치 허용).
• 업데이트 함수 $ f_{2k+1}(x) $ 는 의견 1을 가진 이웃의 비율이 $ x $ 일 때 정점가 의견 1을 채택할 확률로 정의되며, 단조성과 대칭성을 보장한다.
• 스펙트럼 그래프 이론을 사용하여 무작위 걷기 전이 행렬의 두 번째 고유값 $ \lambda_2 $ 를 통해 그래프의 확장을 모델링하고, $ \lambda $-확장성으로 정의한다.
• 마르코프 체인 분석과 농도 불등식(예: 허프딩의 부등식)을 적용하여 각 라운드 간 의견 1을 가진 정점의 비율의 기대 변화를 경계한다.
• 공감대 도달 과정을 단계별로 나누어 분석한다: (I) 초기 편향 단계, (II) 편향 증폭 단계, (III) 급속 수렴 단계, (IV) 최종 흡수 단계이며, 각 단계를 확률적 쌍화와 이탈 분석으로 분석한다.
• 도달 시간과 확률적 지배 원리를 사용하여 공감대에 도달할 때까지의 시간을 경계하며, 특히 의견 1 비율이 $ 1/n^2 $ 미만으로 내려가는 최종 단계에서 분석한다.

실험 결과

연구 질문

• RQ1 확장자 그래프 위에서 최고의 두 개와 세 개 투표를 일반화할 수 있는 통합된 모델을 개발할 수 있는가?
• RQ2 $ \lambda = O(n^{-1/2}) $ 인 $ \lambda $-확장자 그래프에서 준다수 기능 투표의 공감대 도달 시간은 얼마인가?
• RQ3 $ k = o(n/\log n) $ 일 때 고확장성 그래프에서 최고의 $(2k+1)$ 투표의 공감대 도달 시간은 $ k $ 에 따라 어떻게 스케일링되는가?
• RQ4 충분히 높은 확장성을 가진 그래프에서 임의의 초기 구성일지라도 공감대 도달 시간이 여전히 $ O(\log n) $ 이 유지되는가?
• RQ5 초기 편향 또는 그래프의 확장성에 따라 수렴 속도에 전이점이 존재하는가?

주요 결과

• $ \lambda = O(n^{-1/2}) $ 인 $ \lambda $-확장자 그래프에서 준다수 기능 투표는 임의의 초기 의견 구성에 대해 높은 확률로 $ O(\log n) $ 단계 내에 공감대에 도달한다.
• 초기 편향이 충분히 클 경우, $ \lambda = O(n^{-1/2}) $ 초과의 그래프의 확장성과 관계없이 높은 확률로 $ O(\log n) $ 단계 내에 공감대에 도달한다.
• 최고의 $(2k+1)$ 투표에서 $ k = o(n/\log n) $ 일 때, 고확장성 그래프(예: $ p = \Omega(1/\sqrt{n}) $ 인 에르되시-레니 $ G(n,p) $)에서 공감대 도달 시간은 $ O\left(\log n / \log k\right) $ 이다.
• 분석 결과, 의견 1을 가진 정점의 비율이 $ O(\log n / \log k) $ 단계 내로 $ 1/n^2 $ 이하로 떨어지며, 이는 공감대 도달이 높은 확률로 이루어짐을 시사한다.
• 최종 단계에서 시스템이 공감대에 도달하지 못할 확률은 $ O(n^{-1}) $ 이하로 경계되며, 이는 $ O(\log n / \log k) $ 단계 이후에 공감대에 도달할 확률이 매우 높음을 보장한다.
• 허프딩의 부등식과 이탈 분석을 사용하여, 초기 단계에서 의견 편향이 급격히 증폭됨을 입증하였으며, 이는 후속 단계에서의 빠른 수렴을 이끌어낸다.