Memory Optimal Dispersion by Anonymous Mobile Robots
考虑一组$k \leq n$自主移动机器人最初放置在具有$n$节点的任意图$G$的节点处。分散问题要求一种分布式算法,该算法允许机器人达到每个机器人位于图的不同节点的配置。如果机器人是匿名的,即,它们没有任何唯一标识符,则该问题不能通过任何确定性算法来解决。然而,即使是匿名机器人也可以解决这个问题,如果每个机器人都可以获得一个公平的硬币,他们可以用它来生成随机比特。在该设置中,已知机器人需要存储器的$Ω(\logΔ)$位来实现分散,其中$Δ$是$G$的最大程度。另一方面,最著名的内存上限是$min \{Δ, max\{\logΔ, \log{D}\}\}$($D$ = $G$的直径),它可以是$ω(\logΔ)$,这取决于$Δ$和$D$的值。在本文中,我们提出了一个最佳的算法,需要$O(\logΔ)$位的内存来缩小这一差距。
2020-12-04 cs.DC
Collaborative Dispersion by Silent Robots
在分散问题中,一组$k$协同定位的移动机器人必须重新定位在一个未知的网络中的不同节点。网络被建模为匿名图$G=(V,E)$,其中图的节点未被标记。关联到具有度$d$的节点$v$的边用在$v$处的范围$0,1, \cdots, d-1$中的端口号来标记。机器人具有在范围$[0,L]$中的唯一ID,其中$L \ge k$,并且最初被放置在源节点$s$处。每个机器人只知道自己的id,但不知道其他机器人的id或$L,k$的值。分散的任务传统上是通过两种类型的通信能力的假设来实现的:(a)当一些机器人在同一个节点上时,它们可以通过在它们之间交换消息来进行通信(b)网络中的任何两个机器人都可以在它们之间交换消息。在本文中,我们问这种能力的协同定位的机器人之间的通信是必要的,以实现分散。我们表明,即使通信的能力是不可用的,一组移动机器人的分散的任务可以实现在一个弱得多的模型,其中一个机器人在节点$v$有以下非常有限的信息,在任何一轮的开始访问:(1)我独自在$v$?(2)与上一轮相比,$v$的机器人数量增加还是减少?我们提出了一个确定性的算法,实现分散在任何给定的图$G=(V,E)$在时间$O\left( k\log L+k^2 \log Δ\right)$,其中$Δ$是在$G$节点的最大程度。每个机器人使用$O(\log L+ \log Δ)$附加内存。我们还证明了分散的任务不能实现由一组移动…
2022-02-11 cs.DC cs.DS
Dispersion of Mobile Robots in the Global Communication Model
University of Illinois at Chicago(伊利诺伊大学芝加哥分校);Indian Statistical Institute(印度统计研究所);Kent State University(肯特州立大学)
图上的分散问题要求最初任意放置在$n$ -节点匿名图的节点上的$k\leq n$机器人自主地重新定位以达到每个机器人在图的不同节点上的配置。这个问题是显着的兴趣,由于它的关系,其他基本的机器人协调问题,如探索,分散,负载平衡等。在本文中,我们考虑分散在{ \em全球通信}模型中的机器人可以与任何其他机器人在图(但图形是未知的机器人)。我们提供了三种新的确定性算法,两个任意图形和任意树,在一个同步设置,所有机器人在每个时间步执行他们的行动。对于任意图形,我们的第一个算法是基于DFS遍历,并保证$O(\min(m,kΔ))$步骤运行时使用$Θ(\log (\max(k,Δ)))$位在每个机器人,其中$m$是边缘的数量和$Δ$是图的最大程度。第二种算法是基于BFS遍历,并保证$O( \max(D,k) Δ(D+Δ))$步骤运行时使用$O(\max(D,Δ\log k))$位在每个机器人,其中$D$是图的直径。用于任意树的算法也基于BFS遍历,并在每个机器人处使用$O(\max(D,Δ\log k))$位来保证$O(D\max(D,k))$步骤运行时。我们的研究结果是显着的改进相比,现有的结果建立在{ \em本地通信}模型,其中一个机器人只能与其他机器人在同一个节点上进行通信。特别是,基于DFS的算法是最佳的内存和时间在常数度任意图。当$k\leq O(D)$ .
2019-09-04 cs.DC cs.DS cs.RO
Optimal Fault-Tolerant Dispersion on Oriented Grids
针对有向网格上的机器人分散问题,提出在时间和单机内存上均最优的崩溃容错算法,并扩展处理弱拜占庭机器人。
2024-10-25 cs.DC
Optimal Dispersion of Silent Robots in a Ring
本文研究环网络中静默机器人的分散问题,针对多源出发场景提出一种确定性分布式算法,在O(log L+k)轮内完成分散且每机器人仅需O(log L)比特内存,并证明该时间下界为Ω(log L+k),从而确立算法最优性。
2024-08-10 cs.DC
On the Self-stabilization of Mobile Robots in Graphs
自稳定是一种通用的技术,以抵御任何瞬态故障在分布式系统。移动机器人(或代理)是分布式计算的新兴趋势之一,因为他们模仿自主的生物实体。本文的贡献有三个方面。首先,我们提出了一个新的模型,研究移动实体在网络中的瞬态故障。我们的模型不同于经典的机器人模型,因为机器人有限制的路径,他们被允许遵循,并从经典的代理模型,因为代理的数量在整个协议的执行保持固定。其次,在这个模型中,我们研究了设计自稳定算法的可能性时,这些算法运行的移动机器人(或代理)在图上进化。我们专注于机器人和代理问题的核心构建块:命名和领导者选举。毫不奇怪,当网络图拓扑和本地执行模型没有约束时,这两个问题都不可能解决。最后,使用最小的假设不可能的结果,我们提供了确定性和概率的解决方案,这两个问题,并显示这些问题的等价性的算法减少机制。
2007-08-08 cs.DC cs.DS
Rendezvous of Mobile Deterministic Automata in Graphs
Département d’informatique, Université du Québec en Outaouais(渥太华谷大学计算机系)
本文研究图中移动确定自动机的会合问题,证明固定小卵石无法实现树的RV-通用DFA,而配备单个可移动小卵石的DFA可成为树的RV-通用DFA。
2026-08-10 cs.DC
Efficient Dispersion on an Anonymous Ring in the Presence of Weak Byzantine Robots
图上移动机器人的分散问题要求$n$机器人在一个$n$ -节点匿名图的任意节点上自主地移动到一个最终的配置,其中每个节点上最多有一个机器人。由于它与其他基本的机器人协调问题,如探索,分散,负载均衡,自动驾驶电动汽车重新定位到充电站等。机器人具有唯一的ID,通常在$[1,poly(n)]$范围内,并且存储器有限,而图是匿名的,即,节点没有标识符。目标是同时最小化两个性能指标:(i)实现分散的时间和(ii)每个机器人的内存需求。当机器人没有故障时,这个问题已经得到了比较好的研究。在本文中,我们引入拜占庭故障的概念,即,我们形式化的分散在$f$拜占庭机器人的存在下的问题。然后,我们研究了一个环上的问题,同时优化的时间复杂度的算法和每个机器人的内存需求。具体来说,我们设计的确定性算法,试图匹配的时间下限($Ω(n)$轮)和内存下限($Ω(\log n)$位每个机器人)。我们的主要结果是一个确定性的算法,是时间和内存的最佳,即,每个机器人所需的$O(n)$轮和$O(\log n)$位内存,受某些约束。我们随后提供的结果,需要较少的假设,但要么是时间或内存最佳的,但不是两者兼而有之。我们还提供了一个原始的,经常使用的,采取机器人最初聚集在一个节点的环和分散他们在时间和内存优化的方式,而无需额外的假设。
2020-09-03 cs.DC cs.DS
Balanced Dispersion on Time-Varying Dynamic Graphs
本文提出动态图上的 k-balanced dispersion 问题,通过同时约束各节点智能体数的上下界,将移动智能体分散与可移动负载均衡统一起来。
2025-09-02 cs.DC
Min-Sum Uniform Coverage Problem by Autonomous Mobile Robots
Department of Mathematics(数学系);Birla Institute of Technology, Mesra(比拉理工学院,梅斯拉);Advanced Computing and Microelectronics Unit, Indian Statistical Institute(印度统计研究所高级计算与微电子单位)
本文研究了自主移动机器人在有限线段和圆上实现最小总和均匀覆盖问题,提出确定性算法解决线段覆盖并分析圆设置下的可解性条件。
2026-02-11 cs.DC cs.RO
Dispersion, Capacitated Nodes, and the Power of a Trusted Shepherd
针对节点容量可变的图,本文引入一个可信且更强的单一牧羊者机器人,研究并提升普通色散与强拜占庭环境下的快速拜占庭色散。
2023-11-02 cs.DC
Location-Aware Dispersion on Anonymous Graphs
Dhirubhai Ambani University(迪鲁巴希·阿姆巴尼大学);Kent State University(肯特州立大学)
本文提出具有位置意识的匿名图分散问题,开发确定性算法并分析其可行性,揭示了与传统分散问题相比的挑战。
2026-02-05 cs.DC cs.DS cs.MA
Distributed Computing by Mobile Robots: Uniform Circle Formation
考虑一组$n$简单的自主移动机器人(异步,没有公共坐标系,没有身份,没有中央协调,没有直接通信,没有过去的记忆,非刚性,确定性),最初在不同的位置,在平面上自由移动,能够感知其他机器人的位置。我们研究的基本任务的机器人安排自己的顶点上的一个定期$n$-gon不固定在预先(均匀圆编队)。在文献中,现有的算法的贡献是有限的,以方便限制套的机器人和更强大的机器人的初始配置。这种简单的机器人是否能确定地形成一个统一的圆圈,这个问题仍然没有解决。在本文中,我们建设性地证明,实际上是可解的任何初始配置,其中的机器人是在不同的位置,没有任何额外的假设(如果两个机器人是在同一个位置,这个问题很容易被视为是不可解的)。除了关闭一个长期存在的问题,本文的结果还意味着,图案形成,螺旋不是一个计算障碍,和额外的权力,如手征和刚性计算无关。
2017-03-29 cs.CG cs.DC cs.MA
Deterministic Rendezvous at a Node of Agents with Arbitrary Velocities
我们考虑的任务会合网络建模为无向图。两个具有不同标签的移动代理,从匿名图的不同节点开始,必须相遇。这一任务已被认为是在两个替代方案下的文献:弱和强。在弱场景下,代理可以在节点或边缘内相遇。在强场景下,他们必须在节点上会面,他们甚至没有注意到边缘内的会议。强场景下的重定向算法是已知的同步代理。对于异步代理,即使在两节点图中,强场景下的会合也是不可能的,因此仅构造了弱场景下的算法。在本文中,我们表明,强场景下的会合是可能的代理人与有限的时间:代理人有相同的时间测量,但对手可以任意施加的速度遍历每个边缘的每个代理人。我们构建了一个确定性的会合算法,这样的代理,工作在时间多项式的大小图,在长度较小的标签,并在最大的边遍历时间。
2019-08-17 cs.DC cs.DS
Partial Gathering of Mobile Agents in Asynchronous Rings
在本文中,我们考虑的部分收集问题的移动代理在异步单向环配备白板的节点。部分集结问题是完全集结问题的一种新的推广。对于给定的整数$g$,部分收集问题要求每个代理应移动到节点并终止,以便至少$g$代理应在同一节点处相遇。部分收集问题的要求是弱于(充分调查)的总收集问题,因此,我们有兴趣澄清他们之间的移动复杂性的差异。我们提出了三个算法来解决部分聚集问题。第一种算法是确定性的,但需要每个代理的唯一ID。该算法实现了$O(gn)$总移动中的部分聚集,其中$n$为节点数。第二种算法是随机的,不需要每个代理的唯一ID(即,匿名)。该算法实现了对期望的$O(gn)$总步数的部分聚集。第三种算法是确定性的,不需要每个代理的唯一ID。对于这种情况下,我们表明,存在初始配置,没有算法可以解决的问题和代理可以实现部分收集在$O(kn)$总移动可解的初始配置,其中$k$是代理的数量。请注意,总收集问题需要$Ω(kn)$总移动,而部分收集问题需要每个模型中的$Ω(gn)$总移动。因此,我们证明了第一和第二算法的移动复杂度是渐近最优的。
2015-09-10 cs.DC
Near-linear Time Dispersion of Mobile Agents
针对图中移动智能体分散问题,本文提出三种同步场景下的算法,在保持低内存占用的同时,将时间复杂度从现有最优的$O(m_k)$大幅降低至近线性甚至线性水平。
2024-08-20 cs.DC cs.MA
Time Optimal Distance-$k$-Dispersion on Dynamic Ring
本文提出了移动智能体Dispersion问题的变体Distance-$k$-Dispersion,证明了在动态环上解决该问题需要完全同步调度器,并给出了时间复杂度为$Θ(n)$轮的最优算法。
2024-08-22 cs.DC
Opportunistic Information Dissemination in Mobile Ad-hoc Networks: adaptiveness vs. obliviousness and randomization vs. determinism
研究了移动自组网中的信息分发问题。这个问题是传播一条信息,最初由一个著名的源节点,在一个集合中的所有节点定义的一些谓词。我们使用的模型,是非常适合于动态网络和机会主义的通信的移动自组网。在这个模型中,节点被放置在一个平面中,在这个平面中,节点可以以有限的速度移动,节点之间的通信发生在一个容易发生冲突的单个信道上。在这种设置中,通知和未通知的节点可以断开一段时间(由参数alpha限定),但最终一些未通知的节点必须成为通知节点的邻居,并保持一段时间(由参数beta限定)。此外,节点可以在不同的时间启动,它们可以崩溃和恢复。在上述框架下,我们展示了不同类型的随机协议的负面和正面的结果,我们把这些结果的角度与以前的确定性结果。
2011-05-31 cs.DC cs.DS cs.NI
Optimal Dispersion Under Asynchrony
Indian Institute of Technology Indore(印度理工学院Indore分校);University of Illinois Chicago(伊利诺伊大学芝加哥分校);Indian Institute of Technology Madras(印度理工学院Madras分校);Indian Statistical Institute(印度统计研究所);Kent State University(肯特州立大学)
本文针对匿名端口标记图中的分散问题,提出首个在异步设置下达到最优 O(k) 时间且每个智能体仅用 O(log(k+Δ)) 比特内存的算法,其核心是基于构造匿名图中端口一树的新技术。
2025-07-02 cs.DC cs.DS cs.MA
Decidability Classes for Mobile Agents Computing
我们建立了一个分类的决策问题,要解决的移动代理在未标记的图中操作,使用确定性协议。分类是关于一个团队的代理解决问题的能力,可能有额外的信息的帮助。特别是,我们的重点是研究的决策问题的可判定性的代理和它的可验证性的证书时,一个积极的答案提供给代理之间的差异。我们表明,类MAV的移动代理可验证的问题是广泛的移动代理可判定的问题比类MAD。我们的主要结果表明,存在自然MAV完全问题:在这类最困难的问题,MAV中的所有问题都可以还原。我们的MAV完全问题的建设涉及两个主要成分在移动代理的可计算性:拓扑的商图和操作代理的数量。除了类MAV,我们表明,对于一个单一的代理人,三个自然的神谕产生一个严格增加链的相对可判定性类。
2010-11-11 cs.CC cs.DC cs.MA
Simulating Chirality: Solving Distance-$k$-Dispersion on an 1-Interval Connected Ring
本文研究无手性条件下1-区间连通环上的距离-$k$-分散问题,提出利用局部信息模拟手性的方法,证明该问题在任意规模环上可解,并给出 $O(ln)$ 轮算法。
2025-07-19 cs.DC
Improved Linear-Time Construction of Minimal Dominating Set via Mobile Agents
Indian Statistical Institute(印度统计研究院)
本文提出通过移动代理在同步环境下以线性时间构造最小支配集,并在此过程中构建生成树和选举领导者。
2025-11-25 cs.DC cs.DS cs.MA
Getting Close Without Touching: Near-Gathering for Autonomous Mobile Robots
Università di Pisa(比萨大学);University of Ottawa(渥太华大学)
在本文中,我们研究了一组有限的无量纲的,确定性的,异步的,匿名的,不经意的和自主的移动机器人有限的可见性移动在欧几里德平面上看,计算,移动(LCM)周期的附近聚集问题。在这个问题中,机器人必须彼此足够接近,以便每个机器人都可以看到所有其他机器人,而不接触(即,与任何其他机器人碰撞。解决Near-Gathering问题的重要性在于它可以克服机器人能见度有限的限制。因此,它允许利用在无限可见性设置中对该主题进行的所有研究(实际上是大多数)。事实上,在机器人彼此足够接近之后,它们能够看到系统中的所有机器人,这种情况类似于机器人具有无限可见性的情况。我们提出了第一个(确定性)算法的近距离聚集问题,据我们所知,它允许一组自主移动机器人几乎收集在有限的时间内没有碰撞。我们的算法假设一些合理的条件下的输入配置(附近的聚集问题很容易被视为是无法解决的一般)。此外,假设所有机器人都有指南针(因此它们在“北”方向上一致),但它们不一定具有相同的手性(因此它们可能在顺时针方向上不一致)。我们还展示了机器人如何检测终止,即,检测近集问题何时得到解决。当机器人在几乎聚集后必须执行一般任务时,这是至关重要的。我们表明,即使机器人的总数对机器人本身是未知的(即,它不是算法的参数),并且机器人没有办法显式地通信。
2015-05-27 cs.CG cs.DC cs.RO
Parking Problem by Oblivious Mobile Robots in Infinite Grids
本文研究无限网格中 oblivious 移动机器人的停车问题,识别了不可解初始配置,并为其余配置提出确定性分布式算法,确保机器人按停车节点容量分组完成停车。
2023-10-15 cs.DC
Min-Max Uniform Circle Formation by Asynchronous Mobile Robots
Indian Institute of Technology Jodhpur(印度焦浦尔理工学院)
针对异步移动机器人的最小-最大均匀圆编队问题,提出确定性分布式无碰撞算法,在有限时间内最小化最大移动距离并形成均匀圆。
2026-10-06 cs.CG cs.DC cs.MA
Gathering Autonomous Mobile Robots Under the Adversarial Defected View Model
Indian Institute of Technology Jodhpur(印度理工学院乔德普尔分校);Sardar VallabhBhai National Institute of Technology Surat(萨达尔·瓦拉巴伊国家技术学院苏拉特)
本文提出两种分布式算法,在对抗性缺陷视图模型下实现自主移动机器人在有限时间内确定性聚集。
2026-03-06 cs.DC
Wait-Free Gathering of Mobile Robots
University Pierre et Marie Curie - Paris 6(巴黎第六大学(皮埃尔和玛丽·居里大学));LIP6-CNRS 7606(法国国家科学研究中心LIP6实验室(7606));BGU(本-古里安大学);Technion-Israel Institute of Technology(以色列理工学院)
将多个移动机器人聚集到一个位置的问题,是自治机器人分布式协调的基本问题之一。这个问题已经被研究和解决,即使是匿名的,迷失方向的,无记忆的,并在半同步(ATOM)模型中运行的机器人。然而,所有已知的解决方案都要求机器人是无故障的,除了[Agmon和Peleg 2006]的结果,他们解决了存在一个崩溃故障的收集问题。这就留下了一个问题,即在存在多个碰撞故障的情况下,是否可以实现正确的机器人集合。我们解决了本文中的问题,并展示了如何解决聚集,当任何数量的机器人可能会在算法过程中的任何时候崩溃,假设强多重检测和手性。相反,已知对于更强的拜占庭故障,如果一个机器人有故障,则即使在3-机器人系统中也不可能聚集。我们的算法解决了正确的机器人在半同步模型,对手可能会停止任何机器人到达其所需的目的地。此外,该算法是自稳定的,因为它实现了从任何配置开始的收集(除了不可能进行确定性收集的二价配置)。
2012-07-01 cs.DC cs.RO
Spatial Dynamic Structures and Mobility in Computation
膜计算是一个成熟和成功的研究领域,属于更广泛的分子计算领域。膜计算旨在定义并行和非确定性计算模型,称为膜系统或P系统,它从细胞的功能和结构中抽象出来。一个膜系统由一个空间结构组成,一个不相交的膜的层次结构,一个可区分的膜称为皮肤包围着所有的膜。内部没有任何其他膜的膜是基本膜,而非基本膜是复合膜。膜限定区域之间的分界;对于每个膜,存在唯一的关联区域。由于我们有一对一的对应关系,我们有时使用膜而不是区域,反之亦然。皮肤膜外的空间称为环境。在这篇论文中,我们定义和调查的移动膜系统的变种作为分子计算模型和生物系统的建模范例。一方面,我们遵循膜计算研究的标准方法:定义移动膜系统的计算概念,并研究这种计算设备的计算能力。具体而言,我们解决的问题有关的权力的操作修改的膜结构的系统的移动膜的流动性:内吞作用(移动膜内的相邻膜)和内吞作用(移动膜外的膜,它被放置)。另一方面,我们将移动膜系统与进程代数(移动环境、定时移动环境、π演算、膜演算)联系起来,在移动膜计算的框架中提供一些编码并添加一些来自进程代数的概念。
2011-08-02 cs.DC math.DS