[论文解读] Optimal Computation in Anonymous Dynamic Networks

Giuseppe Antonio Di Luna, Giovanni Viglietta|arXiv (Cornell University)|Jul 17, 2022

Distributed Control Multi-Agent Systems被引用 2

一句话总结

本文引入了历史树——一种新型组合结构——以表征并最优计算匿名动态网络中的函数。证明了在 ℓ≥1 个已知领导者存在的情况下，所有基于多重集的函数均可在 O(τn) 时间内计算，而无领导者网络仅能计算基于频率的函数，并在最小假设下实现了稳定计算与终止计算的线性时间最优算法。

ABSTRACT

We give a simple characterization of which functions can be computed deterministically by anonymous processes in dynamic networks, depending on the number of leaders in the network. In addition, we provide efficient distributed algorithms for computing all such functions assuming minimal or no knowledge about the network. Each of our algorithms comes in two versions: one that terminates with the correct output and a faster one that stabilizes on the correct output without explicit termination. Notably, these are the first deterministic algorithms whose running times scale linearly with both the number of processes and a parameter of the network which we call dynamic disconnectivity (meaning that our dynamic networks do not necessarily have to be connected at all times). We also provide matching lower bounds, showing that all our algorithms are asymptotically optimal for any fixed number of leaders. While most of the existing literature on anonymous dynamic networks relies on classical mass-distribution techniques, our work makes use of a recently introduced combinatorial structure called history tree, also developing its theory in new directions. Among other contributions, our results make definitive progress on two popular fundamental problems for anonymous dynamic networks: leaderless Average Consensus (i.e., computing the mean value of input numbers distributed among the processes) and multi-leader Counting (i.e., determining the exact number of processes in the network). In fact, our approach unifies and improves upon several independent lines of research on anonymous networks, including Nedić et al., IEEE Trans. Automat. Contr. 2009; Olshevsky, SIAM J. Control Optim. 2017; Kowalski-Mosteiro, ICALP 2019, SPAA 2021; Di Luna-Viglietta, FOCS 2022.

研究动机与目标

• 基于领导者数量，表征匿名过程在动态网络中可计算函数的完整类别。
• 设计可随网络规模 n 和动态断连度 τ 线性扩展的高效确定性分布式算法。
• 弥合匿名动态网络中终止计算与稳定计算的已知下界与上界之间的差距。
• 统一并改进先前关于匿名网络的研究工作，包括 Yamashita–Kameda、Boldi–Vigna 和 Nedić 等人的方法。
• 证明即使在最小连通性和知识假设下，匿名动态网络中的通用计算在实践中也是可行的。

提出的方法

• 引入历史树——一种捕捉动态网络中代理不可区分性与对称性的组合结构。
• 利用历史树对每轮中代理可获得的信息进行建模与分析，从而精确表征可计算函数。
• 开发两种算法变体：一种在不显式终止的情况下稳定在正确输出，另一种在正确输出时终止。
• 采用名为 ApproxCount 的子程序，在无领导者环境中估算网络规模，从而实现基于频率的函数计算。
• 通过消息传递构建“视角”——历史树的增量视图——以在动态链路上传播并合并代理历史。
• 基于对称性与不可区分性应用下界技术，证明算法的渐近最优性。

实验结果

研究问题

• RQ1 根据领导者数量，哪些函数可在匿名动态网络中被确定性计算？
• RQ2 在最小知识假设下，能否为匿名动态网络中的稳定计算与终止计算均实现最优运行时间？
• RQ3 动态断连度 τ 在决定计算复杂度方面起什么作用？是否可被优化？
• RQ4 历史树结构能否用于统一并改进先前关于匿名网络计算的方法？
• RQ5 在匿名动态网络中，存在计算的根本限制吗？这些限制如何依赖于连通性与领导者数量？

主要发现

• 在 τ-联合连通的匿名网络中，若 ℓ≥1 个已知领导者存在，则所有基于多重集的函数均可计算，且仅这些函数可计算。
• 在无领导者网络中，仅可计算基于频率的函数，且输入频率函数是该类的完备函数。
• 所提出的稳定算法运行时间为 O(τn)，渐近最优，固定 ℓ 时下界与上界均约为 2τn 轮。
• 对于具有唯一领导者的终止计算，算法运行时间为 O(3τn) 轮，与 2τn 的下界匹配，将差距缩小至常数因子内。
• 算法在 n 和 τ 上均最优，运行时间与两个参数均呈线性关系，且动态断连度 τ 不影响可计算性，仅影响复杂度。
• 历史树结构完整捕捉了代理可观测信息，并实现了对动态网络中对称性与不可区分性的清晰表征。