[论文解读] Fast Rendezvous with Advice

Avery Miller, Andrzej Pelc|arXiv (Cornell University)|Jul 5, 2014

Optimization and Search Problems参考文献 39被引用 5

一句话总结

本论文确定了在任意 $n$-节点网络中，两个具有不同标签 $\{1,\dots,L\}$ 的移动代理在最优时间 $\Theta(D)$ 内实现确定性会面所需的最少建议信息量——具体为 $Θ(D\log(n/D) + \log\log L)$ 位。作者通过一种新颖的建议字符串构造方法，结合基于元行为向量与函数计数的对称性破除分析，证明了上下界匹配。

ABSTRACT

Two mobile agents, starting from different nodes of an $n$-node network at possibly different times, have to meet at the same node. This problem is known as rendezvous. Agents move in synchronous rounds using a deterministic algorithm. In each round, an agent decides to either remain idle or to move to one of the adjacent nodes. Each agent has a distinct integer label from the set $\{1,...,L\}$, which it can use in the execution of the algorithm, but it does not know the label of the other agent. If $D$ is the distance between the initial positions of the agents, then $Ω(D)$ is an obvious lower bound on the time of rendezvous. However, if each agent has no initial knowledge other than its label, time $O(D)$ is usually impossible to achieve. We study the minimum amount of information that has to be available a priori to the agents to achieve rendezvous in optimal time $Θ(D)$. This information is provided to the agents at the start by an oracle knowing the entire instance of the problem, i.e., the network, the starting positions of the agents, their wake-up rounds, and both of their labels. The oracle helps the agents by providing them with the same binary string called advice, which can be used by the agents during their navigation. The length of this string is called the size of advice. Our goal is to find the smallest size of advice which enables the agents to meet in time $Θ(D)$. We show that this optimal size of advice is $Θ(D\log(n/D)+\log\log L)$. The upper bound is proved by constructing an advice string of this size, and providing a natural rendezvous algorithm using this advice that works in time $Θ(D)$ for all networks. The matching lower bound, which is the main contribution of this paper, is proved by exhibiting classes of networks for which it is impossible to achieve rendezvous in time $Θ(D)$ with smaller advice.

研究动机与目标

• 确定在任意 $n$-节点网络中，两个移动代理在最优时间 $\Theta(D)$ 内实现会面所需的最少预计算信息（建议）量。
• 分析标签空间大小 $L$ 与网络结构对会面建议复杂度的影响。
• 通过证明上下界，建立建议大小的紧致渐近界。
• 区分建议在对称性破除（$\log\log L$）与路径寻找到达（$D\log(n/D)$）中的不同作用。

提出的方法

• 构造一个大小为 $O(D\log(n/D) + \log\log L)$ 的建议字符串，利用确定性算法实现在 $O(D)$ 时间内的会面。
• 设计一种会面算法，利用建议指导代理沿路径移动以最小化会面时间，结合端口编号与基于标签的决策规则。
• 使用元行为向量模型表示代理在时间片段中的移动模式，其中每个向量编码网络划分中块之间的转移。
• 基于建议字符串到元行为向量的函数映射，应用计数论证，证明建议大小的下界为 $\Omega(\log\log L)$。
• 通过构造对抗性网络族，证明 $\Omega(D\log(n/D))$ 的下界，因为在更少建议下，$O(D)$ 时间内无法实现会面。
• 将两个下界合并，建立紧致渐近界 $\Theta(D\log(n/D) + \log\log L)$。

实验结果

研究问题

• RQ1 在任意 $n$-节点网络中，两个具有不同标签的代理在 $\Theta(D)$ 时间内实现会面，所需的最小建议大小是多少？
• RQ2 标签空间大小 $L$ 如何影响会面的建议复杂度？
• RQ3 是否可以在少于 $\Theta(D\log(n/D) + \log\log L)$ 位建议的情况下，在最优时间内解决会面问题？
• RQ4 当代理仅通过标签可区分时，建议在破除其对称性方面起到什么作用？
• RQ5 当代理接收不同建议而非相同建议时，建议复杂度如何变化？

主要发现

• 实现 $\Theta(D)$ 时间内会面所需的最小建议大小为 $\Theta(D\log(n/D) + \log\log L)$，该值既必要也充分。
• $D\log(n/D)$ 项源于需要以一种方式引导代理沿长度为 $D$ 的路径移动，即使在网络对称时也能确保在 $O(D)$ 时间内会面。
• $\log\log L$ 项是必要的，用于破除来自大小为 $L$ 的标签空间中代理之间的对称性，即使在常数大小的网络中也是如此。
• 通过元行为向量与建议到函数映射的计数论证，证明了 $\Omega(\log\log L)$ 的下界。
• 通过构造在更少建议下无法在 $O(D)$ 时间内实现会面的网络族，确立了 $D\log(n/D)$ 成分的下界。
• 若代理可接收不同的建议，则所需建议大小减少为 $\Theta(D\log(n/D))$，因为仅需一位即可破除对称性。