分布式匿名离散函数计算
Distributed anonymous discrete function computation
AI总结：
针对同质匿名节点网络，提出一种确定性的分布式函数计算模型，给出可计算性的必要条件并证明其近似充分性，核心算法用于计算适当舍入的平均值，时间复杂度与网络规模平方成正比。
摘要：
我们提出了一种由相同且匿名节点组成的网络进行确定性分布式函数计算的模型。在该模型中，每个节点具有有界的计算和存储能力，且这些能力不随网络规模增长。此外，每个节点仅知道其邻居，而非整个图。我们的目标是刻画在该模型中可计算的函数类别。在我们的主要结果中，我们提供了可计算性的一个必要条件，并证明该条件几乎是充分的，即每个满足该条件的函数至少可以被近似。以分布式方式计算适当舍入的平均值问题在我们的发展中起着核心作用；我们提出了一种算法，其求解时间随网络规模平方增长。
英文摘要：
We propose a model for deterministic distributed function computation by a network of identical and anonymous nodes. In this model, each node has bounded computation and storage capabilities that do not grow with the network size. Furthermore, each node only knows its neighbors, not the entire graph. Our goal is to characterize the class of functions that can be computed within this model. In our main result, we provide a necessary condition for computability which we show to be nearly sufficient, in the sense that every function that satisfies this condition can at least be approximated. The problem of computing suitably rounded averages in a distributed manner plays a central role in our development; we provide an algorithm that solves it in time that grows quadratically with the size of the network.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
