[论文解读] Network Coding Capacity: A Functional Dependence Bound

Satyajit Thakor, Alex Grant+1 more|ArXiv.org|Jan 29, 2009

Cooperative Communication and Network Coding参考文献 14被引用 4

一句话总结

本文提出了一种新型、易于计算的多源网络编码容量区域外 bound，利用函数依赖图系统地识别信息论割。通过表征网络中的所有函数依赖关系——尤其是循环依赖——该方法借助多秩拟熵函数和最大不可约集，比现有的网络共享或信息主导方法得到更紧的界，从而以边容量限制总源速率。

ABSTRACT

Explicit characterization and computation of the multi-source network coding capacity region (or even bounds) is long standing open problem. In fact, finding the capacity region requires determination of the set of all entropic vectors $Γ^{*}$, which is known to be an extremely hard problem. On the other hand, calculating the explicitly known linear programming bound is very hard in practice due to an exponential growth in complexity as a function of network size. We give a new, easily computable outer bound, based on characterization of all functional dependencies in networks. We also show that the proposed bound is tighter than some known bounds.

研究动机与目标

• 解决长期存在的多源网络编码容量区域计算难题，该问题因表征熵向量 Γ* 的复杂性而难以处理。
• 克服现有线性规划界在实际中不可行的问题，其复杂度随网络规模呈指数增长。
• 开发一种系统化方法，识别网络中所有函数依赖关系，包括循环依赖，以推导更紧的容量界。
• 提供一种计算高效的替代方案，替代不可行的基于 LP 的界，同时保持理论严谨性。
• 证明所提界优于已知界，如网络共享和信息主导。

提出的方法

• 定义伪变量与伪熵函数，以推广熵函数，使网络编码约束的表示无需依赖联合概率分布。
• 引入函数依赖图（FDG），建模由编码与解码约束引起的伪变量之间的局部依赖关系，扩展先前工作以处理循环结构。
• 设计一种算法，计算 FDG 中不包含源变量的所有最大不可约集，识别关键的信息阻塞点。
• 利用多秩拟熵函数的次可加性，以每个最大不可约集中边容量的总和来界定源熵之和。
• 将函数依赖界定义为所有此类边容量总和中的最小值，从而提供总源速率的可计算外界。
• 通过识别所有最大不可约集并计算其间最小容量总和，将该界应用于网络。

实验结果

研究问题

• RQ1 能否开发一种系统化方法，以识别网络编码系统中所有函数依赖关系，包括由循环依赖引发的关系？
• RQ2 是否可能推导出一个可计算的外界，用于多源网络编码容量区域，且其紧致性优于现有方法如网络共享或信息主导？
• RQ3 如何利用函数依赖图的结构，识别限制总源吞吐量的信息论割？
• RQ4 所提界在实际中能否高效计算，避免传统线性规划方法的指数级膨胀？
• RQ5 在已知情形（如单源组播网络）中，函数依赖界是否能达到紧致性？

主要发现

• 所提函数依赖界优于网络共享界及基于信息主导的界，因其考虑了所有函数依赖关系，而非子集。
• 在蝴蝶网络中，该界在多个边集上产生最小容量总和，明确显示出比简单界更紧的速率约束。
• 在单源组播网络中，该界退化为标准最大流界，证实其在已知情形下的紧致性。
• 该方法高效计算函数依赖图中的所有最大不可约集，实现对信息阻塞点的系统识别。
• 该界计算可行，通过聚焦于结构依赖关系，避免了完整 LP 基界带来的指数级复杂度。
• 该方法通过用可处理的基于图的方法替代对完整 Γ* 的表征，为不可行的 LP 公式提供了一种实用替代方案。