[論文レビュー] On Distributed Computing with Beeps

Yves Métivier, J. M. Robson+1 more|arXiv (Cornell University)|Jul 9, 2015

Complexity and Algorithms in Graphs参考文献 25被引用数 7

ひとこと要約

本稿では、ノードがビープで通信し、衝突を検出するべくリスニングするビープモデルにおいて、次数計算、彩色、2ホップ彩色といった基本的な分散グラフ問題に対する効率的な確率的アルゴリズムを提示する。衝突検出機能を備えたより強力なビープモデル（例：$B_{cd}L_{cd}$）を、基本的な$BL$モデルで効率的にエミュレートするモンテカルロエミュレーション手順を導入し、高い確率で正しく動作させつつ、時間計算量の増加を対数的要因に抑える。

ABSTRACT

We consider networks of processes which interact with beeps. Various beeping models are used. The basic one, defined by Cornejo and Kuhn [CK10], assumes that a process can choose either to beep or to listen; if it listens it can distinguish between silence or the presence of at least one beep. The aim of this paper is the study of the resolution of paradigms such as collision detection, computation of the degree of a vertex, colouring, or 2-hop-colouring in the framework of beeping models. For each of these problems we present Las Vegas or Monte Carlo algorithms and we analyse their complexities expressed in terms of the number of slots. We present also efficient randomised emulations of more powerful beeping models on the basic one. We illustrate emulation procedures with an efficient degree computation algorithm in the basic beeping model; this algorithm was given initially in a more powerful model.

研究の動機と目的

• ビープモデル下でのコアな分散グラフ問題（次数計算、彩色、2ホップ彩色）に対する効率的な確率的アルゴリズムの設計。
• より強力なビープモデル（例：$B_{cd}L_{cd}$）と基本的な$BL$モデルの間のギャップを埋めるために、効率的なエミュレーションを可能にすること。
• 最も弱いモデルにおいて、時間計算量のオーバーヘッドを最小限に抑えながら、高い確率で正しく動作することを保証すること。
• 高度なビープモデルで実行可能な複雑なタスクが、基本的な$BL$モデルでも対数的時間ペナルティのみで解けることを示すこと。

提案手法

• ランダムビットシグネチャ長$k$を用いて、送信側または周辺部の衝突検出をシミュレートする2つのモンテカルロエミュレーション手順（$\text{Emulate}B_{cd}\text{in}BL$ および $\text{Emulate}L_{cd}\text{in}BL$）を提案。
• 各頂点が一様にランダムに$k$ビットのシグネチャ$s$を生成する$k$スロットプロトコルを用い、送信側または周辺部の衝突検出をシミュレートする。
• 既存の$B_{cd}L_{cd}$ベースのアルゴリズム（例：次数計算用）を、$BL$モデルに適応するためにエミュレーションを適用する。
• 確率的解析を用いて誤り確率を上限付け、望ましい信頼度に応じて$k$を決定：$k = \lceil \log_2(n/\varepsilon) \rceil$、$\lceil \log_2(1/\varepsilon) \rceil$、または$\lceil 2\log_2 n \rceil$。
• アルゴリズム論理を保持するため、ネイティブな衝突検出をエミュレーション手順に置き換えることで、エミュレーションを既存のアルゴリズムに統合する。
• 時間計算量を分析し、オーバーヘッドが$n$または$\varepsilon^{-1}$に関して対数的であることを示す。

実験結果

リサーチクエスチョン

• RQ1 衝突検出機能を備えない基本的な$BL$ビープモデルにおいて、次数計算、彩色、2ホップ彩色のための効率的アルゴリズムを設計可能か？
• RQ2 より強力なビープモデル（$B_{cd}L_{cd}$）の機能を、最小限の時間オーバーヘッドで基本的な$BL$モデルにエミュレートする方法は何か？
• RQ3 高い確率で衝突検出をシミュレートするための最小スロット数は何か？
• RQ4 $B_{cd}L_{cd}$用に設計された既存のアルゴリズムを、エミュレーションを用いて$BL$モデルにどれほど適応できるか？
• RQ5 エミュレーション手順において、誤り確率と時間計算量のトレードオフはどのようなものか？

主な発見

• $B_{cd}L_{cd}$を$BL$でエミュレートする際、時間計算量のオーバーヘッドは対数的であり、弱い$BL$モデルでも効率的な$B_{cd}L_{cd}$ベースのアルゴリズムが利用可能になる。
• 任意の$\varepsilon > 0$に対して、$k = \lceil \log_2(n/\varepsilon) \rceil$を用いることで、アルゴリズムが確率$1 - \varepsilon$以上で正しく次数を計算する。
• $k = \lceil 2\log_2 n \rceil$を用いることで、アルゴリズムは高い確率$1 - o(1/n)$で正しく次数を計算し、$O((\log n + \Delta^2)\log n)$の時間で実行される。
• $k = \lceil \log_2(n/\varepsilon) \rceil$のとき、$BL$における次数計算アルゴリズムの時間計算量は$O((\log n + \Delta^2)\log(n/\varepsilon))$であり、高い信頼度を達成する。
• 同じエミュレーション技術は彩色および2ホップ彩色アルゴリズムにも適用可能であり、それらの適用範囲を基本的な$BL$モデルに拡張する。
• 結果として、$BL$モデルは、より強力なモデルと比較して時間計算量が対数的増加にとどまる限り、重要な分散問題を解くのに十分な表現力を有していることが示された。