[论文解读] Network Codes for Real-Time Applications

Anh Le, Arash Saber Tehrani+2 more|arXiv (Cornell University)|Mar 28, 2013

Cooperative Communication and Network Coding参考文献 36被引用 4

一句话总结

本文提出了一种多项式时间算法 Max Clique，用于实时应用中的即 Decode 网络编码（IDNC），其目标是最大化能够立即解码编码数据包的用户数量。该文证明该问题为 NP-难问题，但在具有线性或多项式数据包与用户比例的随机模型下，该算法以高概率找到最优解，仿真和真实网络 trace 中显著优于基线方案。

ABSTRACT

We consider the scenario of broadcasting for real-time applications and loss recovery via instantly decodable network coding. Past work focused on minimizing the completion delay, which is not the right objective for real-time applications that have strict deadlines. In this work, we are interested in finding a code that is instantly decodable by the maximum number of users. First, we prove that this problem is NP-Hard in the general case. Then we consider the practical probabilistic scenario, where users have i.i.d. loss probability and the number of packets is linear or polynomial in the number of users. In this scenario, we provide a polynomial-time (in the number of users) algorithm that finds the optimal coded packet. The proposed algorithm is evaluated using both simulation and real network traces of a real-time Android application. Both results show that the proposed coding scheme significantly outperforms the state-of-the-art baselines: an optimal repetition code and a COPE-like greedy scheme.

研究动机与目标

• 为解决先前 IDNC 研究集中于最小化完成延迟的局限性，而该目标对具有严格截止时间的实时应用不适用。
• 提出一个新问题——实时 IDNC，旨在最大化能够立即解码编码数据包的用户数量。
• 通过归约为 3-集合精确覆盖问题，证明实时 IDNC 问题为 NP-难问题。
• 设计一种多项式时间算法 Max Clique，在用户间数据包丢失独立同分布（i.i.d.）的随机丢失模型下，以高概率找到最优编码数据包。
• 通过合成仿真和来自实时 Android 游戏应用的真实网络 trace，将所提方案与当前最先进的基线方案进行评估。

提出的方法

• 作者将实时 IDNC 问题建模为 IDNC 图中的最大团问题，其中顶点表示需要特定数据包的用户，边表示用户可联合解码的兼容性。
• 通过将 3-集合精确覆盖问题归约为最大团问题的整数二次规划（IQP）形式，证明 NP-难性。
• 在概率场景下，分析随机 IDNC 图，其中每个用户独立地以固定概率丢失每个数据包，假设数据包数量相对于用户数量为线性或多项式关系。
• 设计 Max Clique 算法，一种多项式时间启发式算法，可高效地在该类随机图中以高概率找到最大团。
• 该算法利用 i.i.d. 丢失模型下随机图的结构特性，避免穷举搜索，实现接近最优性能。
• 实现 Max Clique 算法，并与两种基线方案进行对比：一种最优重复编码方案和一种类似 COPE 的贪心方案，使用合成 trace 和来自实时 Android 游戏的真实网络 trace。

实验结果

研究问题

• RQ1 在实时广播中，最大化能够立即解码编码数据包的用户数量的问题是否为 NP-难问题？
• RQ2 在数据包丢失在用户间独立同分布（i.i.d.）且数据包数量随用户数量线性或多项式增长的随机模型下，多项式时间算法能否以高概率找到最优编码数据包？
• RQ3 在每次编码传输所服务的用户数量方面，所提 Max Clique 算法与现有基线方案（特别是最优重复编码和类似 COPE 的贪心方案）相比表现如何？
• RQ4 在真实网络条件下，Max Clique 算法是否能保持优越性能，经由 trace 驱动的评估验证？
• RQ5 在何种条件下，Max Clique 算法能以高概率实现可解码用户的最大可能数量？

主要发现

• 通过将 3-集合精确覆盖问题归约为整数二次规划形式，证明了实时 IDNC 问题为 NP-难问题。
• 在 i.i.d. 丢失模型下，当数据包与用户数量呈线性或多项式关系时，Max Clique 算法可在多项式时间内以高概率找到最优编码数据包。
• 在仿真中，与类似 COPE 的贪心方案相比，Max Clique 将每次传输平均服务的用户数提高了 1.3 倍；与最优重复编码相比，最高提升达 3.8 倍。
• 在 20 名用户和 20 个数据包的情况下，Max Clique 在丢包概率从 0.01 到 0.99 的范围内，相比类似 COPE 的方案最多提升 1.6 倍，相比最优重复编码最多提升 3.8 倍。
• 基于真实网络 trace 的评估结果表明，Max Clique 在实际场景中显著优于两种基线方案。
• Max Clique 算法以极低的计算开销实现高性能，使其适用于具有严格延迟约束的实时应用。