[论文解读] Network Coding for Computing Part I : Cut-Set Bounds

Rathinakumar Appuswamy, Massimo Franceschetti+2 more|arXiv (Cornell University)|Dec 15, 2009

Cooperative Communication and Network Coding被引用 7

一句话总结

本文提出了一种网络计算框架，其中接收端对源节点的消息计算一个函数，并将计算容量定义为每次网络使用中可计算函数的最大速率。该文建立了基于最小割的容量上界，并证明该上界对线性函数和多边树网络是紧致的，同时表明对于某些函数和网络，容量可相对于最小割任意小。

ABSTRACT

The following extit{network computing} problem is considered. Source nodes in a directed acyclic network generate independent messages and a single receiver node computes a target function $f$ of the messages. The objective is to maximize the average number of times $f$ can be computed per network usage, i.e., the ``computing capacity''. The extit{network coding} problem for a single-receiver network is a special case of the network computing problem in which all of the source messages must be reproduced at the receiver. For network coding with a single receiver, routing is known to achieve the capacity by achieving the network extit{min-cut} upper bound. We extend the definition of min-cut to the network computing problem and show that the min-cut is still an upper bound on the maximum achievable rate and is tight for computing (using coding) any target function in multi-edge tree networks and for computing linear target functions in any network. We also study the bound's tightness for different classes of target functions. In particular, we give a lower bound on the computing capacity in terms of the Steiner tree packing number and a different bound for symmetric functions. We also show that for certain networks and target functions, the computing capacity can be less than an arbitrarily small fraction of the min-cut bound.

研究动机与目标

• 定义并分析有向无环网络中接收端计算源消息目标函数的计算容量。
• 将最小割概念从传统网络编码推广到网络计算问题，并将其确立为计算容量的上界。
• 研究不同类目标函数（包括线性函数和对称函数）下最小割上界的紧致性。
• 识别在何种网络和函数条件下，计算容量可能显著小于最小割上界。
• 利用斯坦纳树打包和对称性分析方法，提供计算容量的下界。

提出的方法

• 将网络计算问题定义为网络编码的一般化形式，其中接收端计算源消息的函数，而非复制它们。
• 为网络计算问题引入广义的最小割定义，并证明其作为可实现计算速率上界的性质。
• 分析多边树网络中最小割上界的紧致性，表明对任意目标函数，编码可达到该上界。
• 证明对于线性目标函数，最小割上界在任意网络中都是紧致的，将经典路由结果推广至函数计算。
• 通过斯坦纳树打包数推导计算容量的下界，该数值量化了支持函数计算的最大不相交子网络数量。
• 引入基于对称性的容量下界，表明在具有对称结构的网络和函数中，该下界可提升容量估计。

实验结果

研究问题

• RQ1 在网络计算问题中，最小割上界是否仍为计算容量的有效上界？
• RQ2 在何种网络和函数条件下，最小割上界是紧致的？
• RQ3 对于某些函数和网络拓扑，计算容量是否可能远小于最小割上界？
• RQ4 结构特性（如对称性或斯坦纳树打包）如何影响计算容量的下界？
• RQ5 线性函数在一般网络中在多大程度上保持最小割上界的紧致性？

主要发现

• 对于有向无环网络中的任意目标函数，最小割上界是计算容量的有效上界。
• 在多边树网络中，对于任意目标函数，最小割上界是紧致的，意味着编码可实现理论最大速率。
• 对于线性目标函数，最小割上界在任意网络中都是紧致的，将经典路由结果推广至函数计算。
• 存在某些网络和目标函数，使得计算容量小于最小割上界的任意小分数，表明存在显著差距。
• 基于斯坦纳树打包数，建立了计算容量的下界，提供了一种衡量网络能力的结构性指标。
• 对于对称函数，基于对称性推导出独立的下界，可在具有对称结构的网络-函数设置中提升容量估计。