Beyond 2-Edge-Connectivity: Algorithms and Impossibility for Content-Oblivious Leader Election
National University of Singapore(新加坡国立大学)
本文研究了在内容无关通信模型下,利用拓扑知识实现领导选举的算法与不可能性,证明了非对称树和特定图结构的领导选举可行性。
2025-11-28 cs.DC
PALE: Partially Asynchronous Agile Leader Election
针对动态异步分布式环境下现有领导者选举算法适用性受限的问题,提出仅需弱假设即可在网络变化中运行的PALE算法,证明其正确性并分析复杂度,且易于扩展。
2018-01-11 cs.DC
Communication Efficient Self-Stabilizing Leader Election (Full Version)
本文提出了一种随机自稳定算法,该算法在一般的$n$ -节点无向图中选出一个领导者$r$,并构造一棵以$r$为根的生成树$T$.该算法在同步消息传递网络模型下工作,假设节点知道$n$上的线性上界,并且每个边缘具有对其两个端点都已知的唯一ID(或者,替代地,假设$KT_{1}$模型)。该算法的亮点是其优越的通信效率:它保证发送的总$\tilde{O} (n)$消息,每个恒定的大小,直到稳定,而稳定在$\tilde{O} (n)$轮,在预期和高概率。在稳定之后,该算法每轮发送最多一个恒定大小的消息,同时仅在$T$的($n - 1$)边缘上通信。在所有这些方面,新算法的通信开销远远小于现有的(大多是确定性的)自稳定的领导者选举算法。该算法是相对简单的,主要依赖于已知的模块,是常见的无故障的领导人选举文学,这些模块被增强了各种微妙的方式,以组装成一个通信有效的自稳定算法。
2020-08-12 cs.DC
Agent-based Leader Election, MST, and Beyond
本文首次研究移动智能体上的领导者选举,提出无需图参数的O(m)轮选举算法,并用于构建最小生成树及改进其他分布式图问题的时间/内存复杂度。
2024-05-22 cs.DC cs.DS cs.MA
Delays Induce an Exponential Memory Gap for Rendezvous in Trees
CNRS(法国国家科学研究中心);Université Paris Diderot - Paris 7(巴黎第七大学(巴黎狄德罗大学));Université du Québec en Outaouais(魁北克大学乌塔韦分校)
图中的会合是指两个移动Agent在未知的匿名连通图的某个节点上相遇。在本文中,我们专注于会合在树上,类似的努力,已经取得了解决探索问题与紧凑的自动机,我们研究的内存大小的移动代理,允许确定性地解决会合问题。我们假设代理是相同的,并在同步轮移动。我们首先表明,如果代理的开始时间之间的延迟是任意的,那么集合所需的内存下限是Ω(log n)位,即使是长度为n的线。这个下限满足一个先前已知的上限为O(log n)位的任意图的大小最多为n的交会。我们的主要结果是一个证明,同时开始会合所需的内存量基本上取决于树的叶子的数量L,并指数影响较少的节点数n。事实上,我们提出了两个相同的代理O(日志L + loglog n)位的内存,解决了在所有树的会合问题,最多n个节点,最多L叶。因此,对于一类树与polymerically许多叶子,有一个指数差距的最小内存大小之间的情况下,任意延迟和延迟为零的情况下会合。此外,我们表明,我们的上限是最佳的证明,欧米茄(log L + loglog n)$位的内存所需的交会,即使在类树的程度有界的3。
2011-02-02 cs.DC cs.RO
PureLottery: Fair and Bias-Resistant Leader Election with a Novel Single-Elimination Tournament Algorithm
PureLottery利用单败淘汰锦标赛和博弈论假设,在不依赖去中心化随机数生成的情况下,为区块链提供公平、抗偏置且高效的领导者选举方案,并保证诚实参与者至少1/n的获胜机会。
2024-02-27 cs.CR cs.DC cs.DS
Informative Trains: A Memory-Efficient Journey to a Self-Stabilizing Leader Election Algorithm in Anonymous Graphs
Université Paris Cité, CNRS, IRIF(巴黎西岱大学、法国国家科学研究中心、IRIF);IRIF and École Normale Supérieure(IRIF和巴黎高等师范学院)
本文提出了一种在任意无名网络中使用O(log log n)位内存的概率自我稳定领导者选举算法。
2026-02-19 cs.DC cs.DS
Computing Tree Structures in Anonymous Graphs via Mobile Agents
本文提出匿名图中移动智能体构建BFS树和MST的确定性算法,无需根知识,显著降低时间和内存开销,实现近线性领导者选举。
2025-06-24 cs.DC cs.MA
Tight Communication Bounds for Distributed Algorithms in the Quantum Routing Model
Lancaster University(兰开斯特大学);Université Paris Cité, CNRS, IRIF(巴黎西岱大学,法国国家科学研究中心,IRIF);University of Houston(休斯顿大学)
本文提出新的分布式量子算法,在量子路由模型中实现了领导选举、广播、MST和BFS等基本问题的通信优化。
2026-03-02 cs.DC quant-ph
The Singular Optimality of Distributed Computation in LOCAL
本文证明在 KT1 LOCAL 模型下,所有全局问题(含 BFS 树构造)可确定性实现奇异最优,即同时达到最优时间 $\tilde{O}(D)$ 轮和最优消息复杂度 $\tilde{O}(n)$。
2024-11-11 cs.DC
Deterministic Rendezvous in Infinite Trees
会合任务要求两个移动代理,从不同的节点的网络建模为一个图,以满足在同一个节点。代理具有不同的标签,这些标签是来自集合$\{1,\dots,L\}$的整数。它们可能在不同的时间醒来,并以同步的方式移动。在每一轮中,代理可以保持空闲或移动到相邻节点。我们考虑确定性会合算法。这种算法的时间是从较早的代理唤醒到会议的轮数。在本文中,我们考虑在无限树会合。我们的主要目标是研究树木的方位对交会时间的影响。我们首先设计了一个适用于无向正则树的会合算法,其时间为$O(z(D) \log L)$,其中$z(D)$是半径为$D$的球的大小,即距离给定节点至多$D$的节点数。该算法适用于任意延迟唤醒时间的代理,不需要任何初始信息的参数$L$或$D$。它的缺点是它的复杂性:对于树的任何度$d>2$,$z(D)$在$D$中是指数的。我们证明,这种高的复杂性是不可避免的:$Ω(z(D))$原来是一个下界的会合时间在无方向的正规树,即使同时开始,即使当代理知道$L$和$D$。然后我们把注意力转向定向树。而对于任意延迟的唤醒时间的代理之间的下限$Ω(z(D))$仍然成立,同时启动的时间会合可以显着缩短。我们表明,如果代理知道$L$的多项式上界或$D$的线性上界,那么会合可以在定向树的时间$O(D\log L)$,这是最优的。当没有这样的额外的知识是可用的,我们设计了一个算法工作在时间$O(D^2+\log ^2L…
2022-03-10 cs.DC
GHAST: Breaking Confirmation Delay Barrier in Nakamoto Consensus via Adaptive Weighted Blocks
从中本聪的比特币系统开始,区块链技术已经证明了在互联网规模的分散各方之间建立安全共识的巨大能力,即,而不依赖于任何集中的可信方。如今,区块链系统在各个领域都得到了应用。但是,性能越来越成为一个瓶颈,特别是当不允许的参与是完全分散保留。在这项工作中,我们提出了一个新的共识协议名为GHAST(贪婪最重自适应子树),它组织块在树图结构(即,具有嵌入的树的有向非循环图(DAG)),其允许快速且并发的块生成。GHAST协议同时实现了算法上有界的活性保证和低确认延迟。更具体地,对于最大延迟$d$和远离50%的对抗计算能力,GHAST保证在$O(d\cdot \log(1/\varepsilon))$的时间段之后以置信度$\ge 1-\varepsilon$进行确认。当没有可观察到的攻击时,GHAST只需要$3d$时间就可以在与比特币中的六块确认相同的置信水平下实现确认,而比特币中的$360d$大约需要$360d$。
2020-06-01 cs.CR cs.DC
Some Problems in Compact Message Passing
本文旨在解决的问题,设计分布式算法的设置紧凑的内存,即亚线性位的工作内存为任意连接的网络。我们网络中的节点可能具有比其可能邻居的数量低得多的内部存储器,这意味着节点可能无法存储其邻居的所有ID。这些算法对于诸如物联网之类的小型设备的大型网络、对于无线或自组织网络是有用的,并且通常作为存储器高效算法。我们介绍了紧凑的消息传递(CMP)模型,标准的消息传递模型的扩展,考虑在一个更细的粒度,节点可以交错的读取和写入与内部计算,使用一个端口只有一次在一轮。由于低存储器需求,需要交错来进行有意义的计算,并且交错类似于具有执行流算法的节点的分布式网络。请注意,内部内存大小限制了消息大小的上限,因此例如对于日志内存,该模型比Congest模型弱;对于此类模型,我们的算法也将直接工作。我们给出了具有log^2-记忆节点的CMP模型的早期结果。我们介绍了局部紧函数和紧协议的概念,并给出了一些经典的分布式问题(领导选举,树的建设和遍历)的解决方案。在此基础上,我们通过设计用于查找标记二叉树的特定子树的局部紧凑函数,解决了在自修复树中的紧凑路由消息(TCS 2017)中提出的紧凑自修复路由算法CompactFTZ的紧凑预处理的开放问题。因此,我们介绍了第一个完全紧凑的自愈路由算法。我们还给出了独立的完全紧凑版本的宽恕树[PODC 08]和Thorup-Zwick的基于树的紧凑路由[SPAA 01]。
2018-05-21 cs.DC
Distributed Dual Coordinate Ascent in General Tree Networks and Communication Network Effect on Synchronous Machine Learning
Penn State Behrend(宾夕法尼亚州立大学贝伦德分校);University of California, Davis(加州大学戴维斯分校);University of Iowa(爱荷华大学)
由于数据量大,单台计算机或单台服务器的数据存储量有限,数据往往以分布式方式存储。因此,经常需要通过通信网络对分布式数据集执行大规模机器学习操作。本文研究了一般树结构网络中分布式机器学习问题的分布式双坐标上升的收敛速度。由于树型网络模型可以理解为星型网络模型的推广,因此我们的算法可以看作是星型网络模型中分布式对偶坐标上升的推广。本文以递归的方式给出了一般树状网络上分布式对偶坐标上升的收敛速度,并分析了网络对收敛速度的影响。其次,考虑网络通信时延,对分布式双坐标上升算法进行优化,使其收敛速度最大化。从我们的分析结果,我们可以选择最佳的局部迭代次数取决于通信延迟的严重程度,以达到最快的收敛速度。在数值实验中,我们考虑通信网络上的机器学习场景,其中本地工作者不能直接到达一个中心节点,由于通信的限制,并证明了我们的分布式双坐标上升算法在树网络的可用性。此外,我们还证明了在分布式双协调上升算法中,根据网络通信延迟调整局部和全局迭代次数可以提高算法的收敛速度。
2021-02-18 cs.DC cs.IT cs.LG
Agentic Distributed Computing
Department of Computer Science, University of Illinois Chicago, Chicago, IL 60607, USA;Department of Computer Science \& Engineering, IIT Madras, Chennai 600036, India;Security Research Unit, Indian Statistical Institute, Kolkata, 700108, India;Department of Computer Science, Kent State University, Kent, OH 44242, USA
本文首次在智能体数量不超过节点数量的智能体分布式计算模型中研究领导者选举和最小生成树问题,提出了同时最小化时间和内存复杂度的确定性算法。
2025-07-06 cs.DC cs.DS cs.MA
Beating Quadratic Time--Message Trade-off in Distributed Minimum Spanning Tree Construction
The University of Osaka(大阪大学)
该研究在CONGEST-KT₁模型中提出新型分布式MST算法,突破二次时间-消息权衡障碍,特定参数设置下达轮次最优并改进消息界,还衍生出低消息相关算法。
2026-09-01 cs.DC cs.DS
Distributed Butterfly Analysis using Mobile Agents
本文提出基于移动智能体的分布式算法,用于二分图蝴蝶计数,通过协作构建生成树和会议机制,在无需图先验知识下高效完成计数,并自然扩展至一般图。
2025-06-21 cs.DC cs.MA
Distributed Dual Coordinate Ascent with Imbalanced Data on a General Tree Network
California State University, Northridge(加州州立大学北岭分校);Penn State Behrend(宾夕法尼亚州立大学贝伦德分校);University of California, Davis(加州大学戴维斯分校);University of Iowa(爱荷华大学)
本文提出延迟广义分布式双坐标上升法,以解决树形网络中不平衡数据导致的收敛问题,并通过数值实验验证其有效性。
2023-08-28 cs.DC cs.IT cs.LG