[论文解读] Ants: Mobile Finite State Machines

Yuval Emek, Tobias Langner+2 more|arXiv (Cornell University)|Nov 13, 2013

Optimization and Search Problems参考文献 16被引用 4

一句话总结

本文提出了一种分布式算法，用于 $ n $ 个移动代理，每个代理由一个具有常数内存和有限通信能力的随机化有限状态机（FSM）控制，在无限网格上协作定位隐藏在距离 $ D $ 处的宝藏。尽管计算能力极为有限，这些代理仍以高概率实现了最优的 $ \mathcal{O}(D + D^2/n) $ 运行时间，与 ANTS 问题在更强计算模型下的已知下界一致。

ABSTRACT

Consider the Ants Nearby Treasure Search (ANTS) problem introduced by Feinerman, Korman, Lotker, and Sereni (PODC 2012), where $n$ mobile agents, initially placed at the origin of an infinite grid, collaboratively search for an adversarially hidden treasure. In this paper, the model of Feinerman et al. is adapted such that the agents are controlled by a (randomized) finite state machine: they possess a constant-size memory and are able to communicate with each other through constant-size messages. Despite the restriction to constant-size memory, we show that their collaborative performance remains the same by presenting a distributed algorithm that matches a lower bound established by Feinerman et al. on the run-time of any ANTS algorithm.

研究动机与目标

• 研究仅具备常数大小内存和有限通信能力的移动代理是否能在 ANTS 问题中实现最优性能。
• 在最小计算假设下，弥合已知下界与可实现上界之间的差距。
• 证明具有常数内存和常数大小消息的有限状态机（FSM）可达到具有无界内存的代理的性能水平。
• 探索在对抗性环境下，弱代理之间的通信与协调是否仍能实现最优搜索效率。
• 证明即使代理被限制为 FSM，$ \mathcal{O}(D + D^2/n) $ 运行时间界限仍为紧致，从而揭示实现最优性能的最小计算需求。

提出的方法

• 代理被建模为具有常数内存的随机化有限状态机（FSM），仅能在同一网格单元共处时通过常数大小消息进行通信。
• 设计了一种混合搜索策略：代理随机分配至两种模式之一——小距离时使用 GeomSearch（$ D \leq \log n/2 $），大距离时使用 RectSearch（$ D = \Omega(\log n) $）。
• GeomSearch 使用随机游走策略，以高概率探索附近单元，利用每个代理有 $ \Omega(1/\sqrt{n} \log n) $ 概率访问距离 $ \log n/2 $ 以内的任意单元的事实。
• RectSearch 采用并行团队分配策略，将代理划分为若干组，系统性地探索网格中的矩形区域。
• 该算法确保以高概率，每组中至少一个代理探索相关区域，且宝藏在 $ \mathcal{O}(D + D^2/n) $ 时间内被找到。
• 该算法设计对代理不可区分性具有鲁棒性，并在具有固定时间单位的同步环境中运行。

实验结果

研究问题

• RQ1 仅具备常数内存和有限通信能力的移动代理是否能实现 ANTS 问题的最优 $ \mathcal{O}(D + D^2/n) $ 运行时间？
• RQ2 当代理被限制为有限状态机而非图灵机时，已知的 $ \mathcal{O}(D + D^2/n) $ 下界是否仍然紧致？
• RQ3 结合局部随机游走与结构化矩形探索的混合策略是否能在内存和通信约束下实现最优性能？
• RQ4 在启动时使用简单共享的抛硬币机制将代理分配至不同搜索策略，是否能确保足够的负载均衡与覆盖？
• RQ5 该算法能否被调整，以确保代理在找到宝藏后返回原点，且不显著增加运行时间？

主要发现

• 所提出的 HybridSearch 算法以高概率实现 $ \mathcal{O}(D + D^2/n) $ 的运行时间，与 ANTS 问题的已知下界一致。
• 即使仅具备常数内存和常数大小消息，FSM 控制的代理也能达到具有无界内存和完整通信能力的代理的性能水平。
• 任一代理探索距离 $ \log n/2 $ 以内的单元的概率至少为 $ \Omega(1/\sqrt{n} \log n) $，从而以高概率实现高覆盖率。
• 以高概率，GeomSearch 组中至少一个代理探索了距离 $ \log n/2 $ 以内的任意单元，RectSearch 组在更大区域中亦同理。
• 该算法确保即使代理无法存储自身坐标或区分原点以外的单元，宝藏也以高概率在 $ \mathcal{O}(D + D^2/n) $ 时间内被找到。
• 该算法可扩展，以高概率确保找到宝藏的代理在 $ \mathcal{O}(D + D^2/n) $ 时间内返回原点，且所有代理以高概率在 $ \mathcal{O}(D + D^2/n + \log n) $ 时间内返回。