[论文解读] Passively Mobile Communicating Logarithmic Space Machines

Ioannis Chatzigiannakis, Othon Michail+3 more|arXiv (Cornell University)|Apr 20, 2010

DNA and Biological Computing参考文献 14被引用 10

一句话总结

本文提出了PALOMA模型，这是一种针对被动移动无线传感器网络的理论框架，其中各代理为对数空间图灵机。通过使代理自组织为分布式非确定性图灵机，PALOMA精确刻画了可稳定计算的对称谓词类为NSPACE(n log n)，显著扩展了先前的模型（如Population和Community Protocols模型）。

ABSTRACT

We propose a new theoretical model for passively mobile Wireless Sensor Networks. We call it the PALOMA model, standing for PAssively mobile LOgarithmic space MAchines. The main modification w.r.t. the Population Protocol model is that agents now, instead of being automata, are Turing Machines whose memory is logarithmic in the population size n. Note that the new model is still easily implementable with current technology. We focus on complete communication graphs. We define the complexity class PLM, consisting of all symmetric predicates on input assignments that are stably computable by the PALOMA model. We assume that the agents are initially identical. Surprisingly, it turns out that the PALOMA model can assign unique consecutive ids to the agents and inform them of the population size! This allows us to give a direct simulation of a Deterministic Turing Machine of O(nlogn) space, thus, establishing that any symmetric predicate in SPACE(nlogn) also belongs to PLM. We next prove that the PALOMA model can simulate the Community Protocol model, thus, improving the previous lower bound to all symmetric predicates in NSPACE(nlogn). Going one step further, we generalize the simulation of the deterministic TM to prove that the PALOMA model can simulate a Nondeterministic TM of O(nlogn) space. Although providing the same lower bound, the important remark here is that the bound is now obtained in a direct manner, in the sense that it does not depend on the simulation of a TM by a Pointer Machine. Finally, by showing that a Nondeterministic TM of O(nlogn) space decides any language stably computable by the PALOMA model, we end up with an exact characterization for PLM: it is precisely the class of all symmetric predicates in NSPACE(nlogn).

研究动机与目标

• 为解决现有模型（如Population Protocol）计算能力有限的问题，这些模型仅能计算半线性谓词。
• 探究具有对数内存的代理是否能在当前技术条件下实现更高的计算表达能力。
• 研究在匿名性和被动移动交互条件下，代理是否能够自组织形成唯一ID和群体规模感知。
• 确定新模型在空间复杂度和对称谓词识别方面的精确计算能力。
• 建立与MPP和Community Protocols等其他模型相比的容错性和模拟能力。

提出的方法

• 将代理建模为每个代理具有O(log n)内存的图灵机，其中n为群体规模。
• 在完全交互图中实现代理间的成对双向通信，状态转移由转移函数控制。
• 实施迭代重初始化过程，使代理能够分配唯一连续的ID并学习群体规模n。
• 利用分配的ID和对n的了解，在O(n log n)总空间上模拟分布式非确定性图灵机（NTM）。
• 通过直接模拟非确定性图灵机，证明任何NSPACE(n log n)中的对称谓词均可被PALOMA稳定计算。
• 通过证明任何被PALOMA稳定计算的语言均属于NSPACE(n log n)，建立反向包含关系，利用Immerman-Szelepcsényi定理实现补集运算。

实验结果

研究问题

• RQ1 在初始匿名性条件下，具有O(log n)内存的代理是否能够自组织以分配唯一ID并学习群体规模？
• RQ2 PALOMA模型在空间复杂度和可稳定计算的对称谓词类方面的精确计算能力是什么？
• RQ3 PALOMA模型能否直接模拟Community Protocol模型，而无需依赖中间模型？
• RQ4 PALOMA模型是否能够模拟具有O(n log n)空间的非确定性图灵机？若能，如何在分布式、被动移动环境中实现？
• RQ5 每个代理的O(log n)内存是否构成一个计算阈值，超过该阈值将显著提升表达能力？

主要发现

• PALOMA模型使代理能够通过自组织过程分配唯一连续的ID并学习群体规模n，即使在初始匿名性条件下亦可实现。
• 该模型支持使用O(n log n)总空间直接模拟确定性图灵机，从而确立所有SPACE(n log n)中的对称谓词均属于PLM。
• PALOMA模型能够直接模拟Community Protocol模型，从而证明NSPACE(n log n)中的所有对称谓词均可被PALOMA稳定计算。
• 该模型直接模拟了O(n log n)空间的非确定性图灵机，避免依赖指针机模拟，实现了对计算能力的直接刻画。
• PALOMA模型中可稳定计算的对称谓词类PLM恰好等于SNSPACE(n log n)，即NSPACE(n log n)中的对称谓词类。
• 该模型表明，每个代理的O(log n)内存是一个关键阈值，更小的内存界限可能仅导致计算能力的严格降低，尽管这一问题仍为开放问题。