[论文解读] How to Meet Asynchronously at Polynomial Cost

Yoann Dieudonné, Andrzej Pelc+1 more|arXiv (Cornell University)|Jan 30, 2013

Optimization and Search Problems参考文献 33被引用 18

一句话总结

本文提出了一种在未知网络中针对异步移动代理的确定性会合算法，其代价在图的大小和较小代理标签的对数范围内为多项式，相较于以往的指数代价解法实现了指数级改进。该算法通过基于标签的协调与令牌传递，实现结构化探索阶段，使代理能够集体学习所有标签，并以多项式总代价解决基本的分布式问题。

ABSTRACT

Two mobile agents starting at different nodes of an unknown network have to meet. This task is known in the literature as rendezvous. Each agent has a different label which is a positive integer known to it, but unknown to the other agent. Agents move in an asynchronous way: the speed of agents may vary and is controlled by an adversary. The cost of a rendezvous algorithm is the total number of edge traversals by both agents until their meeting. The only previous deterministic algorithm solving this problem has cost exponential in the size of the graph and in the larger label. In this paper we present a deterministic rendezvous algorithm with cost polynomial in the size of the graph and in the length of the smaller label. Hence we decrease the cost exponentially in the size of the graph and doubly exponentially in the labels of agents. As an application of our rendezvous algorithm we solve several fundamental problems involving teams of unknown size larger than 1 of labeled agents moving asynchronously in unknown networks. Among them are the following problems: team size, in which every agent has to find the total number of agents, leader election, in which all agents have to output the label of a single agent, perfect renaming in which all agents have to adopt new different labels from the set {1, . . . , k}, where k is the number of agents, and gossiping, in which each agent has initially a piece of information (value) and all agents have to output all the values. Using our rendezvous algorithm we solve all these problems at cost polynomial in the size of the graph and in the smallest length of all labels of participating agents.

研究动机与目标

• 解决在未知、异步网络中代理对网络或彼此标签均无先验知识时的会合挑战。
• 设计一种在图的大小和较小标签对数范围内代价为多项式的确定性会合算法，优于以往的指数代价解法。
• 将会合算法应用于解决基本的分布式问题——团队规模发现、领导选举、完美重命名和信息传播，总通信代价为多项式。
• 证明即使在对抗性速度控制且无共享时钟的条件下，代理仍能高效协调并在未知网络中交换信息。

提出的方法

• 代理使用带有阶段的状态机：旅行者（探索网络）、探索者（执行结构化探索）和幽灵（与其他代理协调）。
• 该算法利用一种独特的基于标签的优先级系统：拥有最大标签（M）的代理作为协调者，确保仅有一个代理执行最终的会合阶段。
• 令牌传递机制使代理能够共享标签信息；当代理遇到带有更大标签的令牌时，它会转入幽灵状态并采用该令牌的标签集合。
• 探索者状态的第三阶段涉及协调者代理对深度优先搜索（DFS）树执行两次遍历，确保与所有处于幽灵状态的代理会合。
• 该算法通过结合会合与令牌传播的信息分发，确保所有代理最终学习到所有标签。
• 使用固定长度的探索序列 R(E(n),s) 及其逆序，确保所有处于幽灵状态的代理均被访问，并获知完整的标签集合。

实验结果

研究问题

• RQ1 能否为未知网络中的异步移动代理设计一种确定性会合算法，其代价在图的大小和较小标签对数范围内为多项式？
• RQ2 在标签未知且无共享知识的前提下，代理如何在对抗性速度控制下高效会合？
• RQ3 此类会合算法能否用于以多项式总代价解决基本的分布式问题，如领导选举和信息传播？
• RQ4 代理行为与标签协调的何种结构性质可确保所有代理最终学习到完整的标签集合？

主要发现

• 所提出的会合算法在图的大小和较小标签对数范围内代价为多项式，相较于先前的指数代价解法实现了指数级改进。
• 该算法确保最大标签（M）的代理最终学习所有标签，并通过会合与令牌传递将信息传播给所有其他代理。
• 所有代理，包括处于幽灵状态的代理，最终均学习到完整的标签集合，从而能够解决团队规模发现和完美重命名等问题。
• 该解决方案可实现领导选举、完美重命名和信息传播，总代价在图的大小和代理中最小标签的对数范围内为多项式。
• 该算法保证所有代理在执行结束时均会面或交换信息，即使在对抗性速度控制且无网络先验知识的条件下。
• 通过代理状态与标签传播的不变量证明了算法的正确性，确保无代理会缺少完整的标签集合。