[论文解读] Time and Space Optimal Counting in Population Protocols

James Aspnes, Joffroy Beauquier+2 more|arXiv (Cornell University)|Nov 22, 2016

Distributed systems and fault tolerance被引用 23

一句话总结

本文在概率公平性下提出了一种时间与空间最优的群体协议计数协议，实现了每个代理仅使用一位内存的 $O(n\log n)$ 期望时间。在弱公平性下，证明了空间最优协议的收敛速度不可能快于 $\Omega(2^n)$ 次非空转换，从而为两种情形建立了紧致下界。

ABSTRACT

This work concerns the general issue of combined optimality in terms of time and space complexity. In this context, we study the problem of (exact) counting resource-limited and passively mobile nodes in the model of population protocols, in which the space complexity is crucial. The counted nodes are memory-limited anonymous devices (called agents) communicating asynchronously in pairs (according to a fairness condition). Moreover, we assume that these agents are prone to failures so that they cannot be correctly initialized. This study considers two classical fairness conditions, and for each we investigate the issue of time optimality of counting given the optimal space per agent. In the case of randomly interacting agents (probabilistic fairness), as usual, the convergence time is measured in terms of parallel time (or parallel interactions), which is defined as the number of pairwise interactions until convergence, divided by n (the number of agents). In case of weak fairness, where it is only required that every pair of agents interacts infinitely often, the convergence time is defined in terms of non-null transitions, i.e, the transitions that affect the states of the interacting agents.First, assuming probabilistic fairness, we present a "non-guessing" time optimal protocol of O(n log n) expected time given an optimal space of only one bit, and we prove the time optimality of this protocol. Then, for weak fairness, we show that a space optimal (semi-uniform) solution cannot converge faster than in $Ω$(2^n) time (non-null transitions). This result, together with the time complexity analysis of an already known space optimal protocol, shows that it is also optimal in time (given the optimal space constrains).

研究动机与目标

• 在两种公平性模型（概率公平性与弱公平性）下，实现群体协议计数的时间与空间联合最优。
• 解决匿名、非初始化、内存受限代理在时间与空间复杂度之间的根本权衡问题。
• 证明在概率公平性下，一位协议既为时间最优，也为空间最优。
• 为弱公平性下空间最优协议的收敛时间建立紧致下界。
• 证明在对称模型中，半均匀计数协议需要一个可区分的基站。

提出的方法

• 设计一种非猜测、对称、半均匀的协议，仅使用每位移动代理一位内存，在概率公平性下以 $O(n\log n)$ 期望并行时间收敛。
• 通过基于命名序列与状态转移的新型论证方法证明时间最优性，表明任何协议都至少需要 $\Omega(n\log n)$ 步。
• 构造一个弱公平性下的执行序列，其中命名过程至少需要 $2^n - 1$ 次非空转换。
• 基于对称转移与对称差运算（$\triangle$）的态射缩减论证，追踪可区分代理的状态。
• 利用所有 $n$ 个代理必须被唯一命名，且每个命名步骤依赖于交互历史的事实，推导出指数级下界。
• 证明在弱公平性下，任何每个代理使用 $P$ 个状态的半均匀对称协议，其收敛速度不可能快于 $2^n - 1$ 次非空转换。

实验结果

研究问题

• RQ1 在概率公平性下，群体协议能否在精确计数中同时实现时间和空间最优？
• RQ2 在弱公平性下，空间最优协议的最小收敛时间是多少？
• RQ3 一位协议在概率公平性下是否为时间最优？能否形式化证明？
• RQ4 在弱公平性下，每个代理使用 $P$ 个状态的半均匀对称协议能否在少于 $2^n - 1$ 次非空转换内收敛？
• RQ5 为何在弱公平性下，对称协议中的半均匀计数需要一个可区分的基站？

主要发现

• 在概率公平性下，一位非猜测协议实现了 $O(n\log n)$ 期望收敛时间，且被证明为时间最优。
• 在弱公平性下，任何空间最优（半均匀）协议都必须至少经历 $\Omega(2^n)$ 次非空转换才能收敛，从而建立了紧致下界。
• 弱公平性下的指数级下界源于通过对称转移唯一命名 $n$ 个代理的需求，且命名序列长度受限于 $2^n - 1$。
• 证明表明，当 $n = P-1$ 个代理时，不同未命名配置的数量为 $2^{P-1} - 1 = 2^n - 1$，必须在收敛前全部遍历。
• 在弱公平性下，对称半均匀协议中可区分基站的必要性被形式化确立。
• 本研究证实，概率公平性与弱公平性之间的时间复杂度差距是固有的，即使增加内存也无法消除，这是由于交互模型的根本差异所致。