[论文解读] Distributed Dominating Sets on Grids

Elaheh Fata, Stephen L. Smith+1 more|arXiv (Cornell University)|Mar 14, 2013

Optimization and Search Problems参考文献 13被引用 5

一句话总结

本文提出了一种用于在 m×n 网格图上计算近似最优支配集的分布式算法，利用一种构造性集中方法，确保支配集大小与最优解相差不超过五个顶点。该方法通过建模网格的 k 次幂，扩展至 k-距离支配问题，采用基于槽位协调与孤儿处理的局部化、内存高效的代理布置，实现鲁棒覆盖。

ABSTRACT

This paper presents a distributed algorithm for finding near optimal dominating sets on grids. The basis for this algorithm is an existing centralized algorithm that constructs dominating sets on grids. The size of the dominating set provided by this centralized algorithm is upper-bounded by $\lceil\frac{(m+2)(n+2)}{5} ceil$ for $m imes n$ grids and its difference from the optimal domination number of the grid is upper-bounded by five. Both the centralized and distributed algorithms are generalized for the $k$-distance dominating set problem, where all grid vertices are within distance $k$ of the vertices in the dominating set.

研究动机与目标

• 设计一种仅使用局部信息和有限代理能力的分布式算法，用于在网格图上计算近似最优支配集。
• 将先前工作中已知的集中式支配集构造方法推广至网格上的 k-距离支配问题。
• 确保所得支配集大小与足够大网格的最优支配数相差至多为常数（最多 5 个顶点）。
• 实现在多机器人或传感器网络中的实际部署，使代理能够自主定位以最小协调覆盖整个网格。
• 将该框架扩展至 k-距离支配问题，其中代理可覆盖距离 k 以内的所有节点，利用网格幂的结构特性与局部决策规则。

提出的方法

• 采用一种已知的集中式构造方法，用于在网格上实现最优支配集，该方法在支配集大小上达到 ⌈(m+2)(n+2)/5⌉ 的上界。
• 将 k-距离支配问题转化为在网格图 G^k 的 k 次幂上的普通支配集问题，其中连接距离在 k 以内的节点。
• 设计一种分布式算法，其中每个代理（机器人/传感器）利用局部感知与通信，基于预定义的对角线模式（如 2-对角线或 3-对角线）在网格上确定其位置。
• 将“槽位”定义为相对于基准代理的潜在位置，即使代理不直接相邻也能实现协调，基于相对网格偏移制定连接规则。
• 引入“孤儿”概念——即位于网格边界外但距离网格代理在 k 范围内的顶点，其投影用于扩展覆盖范围并确保完整性。
• 采用两阶段过程：首先在超网格（G'）上使用 k-对角线模式布置代理，然后将有效位置投影回原始网格 G，通过引入孤儿以维持完整覆盖。

实验结果

研究问题

• RQ1 能否设计一种分布式算法，使 m×n 网格的支配集大小与最优支配数相差至多为常数加法误差（≤5）？
• RQ2 如何在仅使用局部信息和有限通信的条件下，高效地以分布式方式求解网格上的 k-距离支配集问题？
• RQ3 哪些网格图及其 k 次幂的结构特性可被利用，以设计可扩展且近似最优的分布式算法？
• RQ4 如何以去中心化方式协调代理布置，以确保网格的完整覆盖，同时最小化代理数量？
• RQ5 为在具有边界效应的分布式、局部化环境中保持性能保证，对集中式构造方法需进行哪些修改？

主要发现

• 该分布式算法在 m×n 网格上产生的支配集大小至多为 ⌈(m+2k)(n+2k)/(2k²+2k+1) + (2k²+2k+1)/4⌉，与最优支配数相差至多为常数加法误差。
• 当 k=1 且 16≤m≤n 时，通过详细分析角部区域，该算法可实现最优支配数。
• 对于 k=1 且足够大的网格，构造的支配集大小与最优支配数之差至多为五。
• 当 m,n≥2 时，网格图 G^k 的 k 次幂不是平面图，且包含非网格边（如对角线），导致标准贪心算法次优，这证明了专用分布式方法的必要性。
• 通过使用‘孤儿’——即外部顶点在网格上的投影——该算法即使在代理靠近边界时也能维持完整覆盖。
• 由于算法对内存、感知和通信的需求极低，仅依赖局部协调与预定义模式，因此适用于多机器人和传感器网络应用。