Efficient Dispersion of Mobile Agents without Global Knowledge
我们考虑移动代理的分散问题。最初，k个代理位于无向图中的任意节点。代理可以通过图中的边同步地从节点迁移到节点。我们的目标是让k个代理位于不同的k个节点，最小化分散完成前的步骤数和代理使用的工作内存空间。Kshemkalyani和Ali [ICDCN，2019]提出了一种快速且空间有效的分散算法，假设每个代理都具有全局知识，例如图的边数和最大度。在本文中，我们提出了一个分散算法，不需要这样的全局知识，但保持渐近相同的运行时间和略小的内存空间。
2020-08-21 cs.DC
Leader Election for Anonymous Asynchronous Agents in Arbitrary Networks
我们研究了在一个无向图模型的任意网络中移动代理之间的领导选举问题。网络的节点是未标记的，所有代理都是相同的。因此，在智能体中选出领导者的唯一方法是利用它们在图中初始位置的不对称性。智能体不知道图或他们在图中的位置，因此他们必须通过在图中导航来获得这些知识，并与其他智能体共享以完成领导者选举。这可以通过使用代理会议来完成，这是困难的，因为它们的异步性质：对手完全控制代理的速度。在这种对抗性的情况下，什么时候可以选出一个领导人，以及如何做到这一点？我们给出了一个完整的答案，这个问题的特点是所有的初始配置的领导人选举是可能的，并通过构建一个算法，完成领导人选举的所有配置，这可以做到这一点。
2012-05-29 cs.DC
Efficient Dispersion of Mobile Robots on Graphs
图上的分散问题要求$k$机器人任意放置在匿名图的$n$节点处，其中$k \leq n$彼此协调以达到最终配置，其中每个机器人在图的不同节点处。分散的问题是重要的，由于它的关系，图形探索移动机器人，分散在一个图形上，和负载均衡。此外，分散的一个内在应用已被证明是将自动驾驶电动汽车（机器人）重新安置到充电站（节点）。我们提出了三个有效的算法来解决分散图。我们的算法需要$O(k \log Δ)$位在每个机器人，和$O(m)$步骤运行时间，其中$m$是边的数量和$Δ$是度的图。这些算法的不同之处在于它们处理的是同步还是异步系统模型，以及维护什么、在哪里以及如何维护数据结构。
2018-05-30 cs.DC
Universal Rendezvous of Anonymous Agents with Footprints
Université du Québec en Outaouais（渥太瓦谷大学）
本文针对带足迹模型中所有连通（有限或可数无限）底层图的会合实例，提出通用会合算法，解决了Das和Pelc提出的开放问题，给出该模型所有实例存在通用算法的肯定答案。
2026-08-11 cs.DC
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
Fault-Tolerant Dispersion of Mobile Robots
我们认为存在故障机器人（碰撞故障）的移动机器人分散问题。移动机器人分散由$k\leq n$机器人在一个$n$节点匿名图。目标是确保无论机器人在节点上的初始位置如何，最终配置都包括每个节点上最多有一个机器人。在碰撞故障设置中，多达$f \leq k$机器人可能会因任意碰撞而失败，随后丢失存储在机器人中的所有信息，使它们无法通信。在本文中，我们解决了分散在碰撞故障设置考虑两种不同的初始配置：i）根配置，和ii）任意配置。在根节点的情况下，所有机器人在开始时都被放置在一个节点上。任意配置是通用配置（也称为文献中的任意配置），其中机器人被放置在图上任意的一些$l<k$集群中。对于第一种情况，我们开发了一种算法，解决分散在$O(k^2)$轮中存在故障的机器人，这改善了以前的$O(f\cdot\text{min}(m,kΔ))$轮结果由\cite{PS021}。对于任意的配置，我们提出了一个算法解决分散在$O((f+l)\cdot\text{min}(m, k Δ, k^2))$轮，当边数$m$和最大程度的图$Δ$是已知的机器人。
2022-11-22 cs.DC
Latecomers Help to Meet: Deterministic Anonymous Gathering in the Plane
一组匿名的移动代理，由在平面上自由移动的点代表，必须聚集在一个点并停止。代理人开始在飞机的不同点，并可能在不同的时间选择的对手。他们配备了指南针，一个共同的距离单位和时钟。它们执行相同的确定性算法并以速度1行驶。当智能体的距离最多为$ε$时，对于某个未知的正常数$ε$，它们可以交换所有信息。由于代理的匿名性和平面的对称性，收集是不可能的，例如，如果代理在大于$ε$的距离处同时启动。然而，如果一些代理开始时相对于其他代理延迟，则收集可能成为可能。在哪些情况下，这些后来者可以促成聚集？为了回答这个问题，我们考虑形式化为对$\{(p_1,t_1), (p_2,t_2),\dots , (p_n,t_n)\}$的集合的初始配置，对于$n\geq 2$，其中$p_i$是第$i$代理的起始点，并且$t_i$是其起始时间。如果从初始配置开始的代理可以通过某种算法收集，甚至专用于此特定配置，则初始配置是可验证的。我们刻画了所有可解的初始构型。有没有一种通用的确定性算法，可以收集给定大小的所有可并行配置。事实证明，答案是否定的。我们表明，所有可扩展的配置可以分为两组：坏的和好的配置。我们表明，坏的可配置（即使大小为2）不能收集一个共同的收集算法，我们证明，有一个通用的算法，收集所有良好的配置一个给定的大小。
2018-11-15 cs.DC
Dispersion of Mobile Robots: The Power of Randomness
我们认为昆虫之间的合作，建模为移动机器人之间的合作图。在这种情况下，我们考虑的问题，移动机器人分散图。图上移动机器人的研究是一个有趣的范例，有许多有趣的问题和应用。奥古斯丁和小摩西提出的分散问题，要求最初任意放置在$n$节点图上的$n$机器人协同工作，以快速达到每个节点上只有一个机器人的配置。以前的工作在这个问题上已经看过的时间之间的权衡，以实现分散和每个机器人所需的内存量。然而，对\textit{deterministic algorithms}进行了权衡分析，发现实现分散所需的最小存储器为每个机器人处的$Ω(\log n)$位。在本文中，我们表明，通过利用权力的\textit{randomness}，可以实现分散与$O(\log Δ)$位的内存在每个机器人，其中$Δ$是最大程度的图形。此外，我们显示了一个匹配的下界的$Ω(\log Δ)$位的任何\textit{randomized algorithm}解决色散。我们进一步扩展到一个一般的$k$分散问题，$k> n$机器人需要分散在$n$节点，使最多$\lceil k/n \rceil$机器人在最终配置的每个节点。
2019-02-27 cs.DC cs.DS
Dispersion of Mobile Robots: A Study of Memory-Time Trade-offs
我们引入了一个新的问题，在移动机器人领域，我们术语分散。在这个问题中，$n$机器人被任意地放置在$n$节点图中，并且必须彼此协调以达到最终的配置，使得每个节点上正好有一个机器人。我们研究这个问题，通过镜头最大限度地减少每个机器人所需的内存，并尽量减少所需的轮数，以实现分散。分散是感兴趣的，因为它的关系，分散在一个图上，使用移动机器人的探索，和负载均衡的问题。此外，由于分散与电动汽车充电问题的关系，分散具有直接的现实世界应用，因为每个汽车可以被认为是机器人和充电站以及分别连接它们的道路图的节点和边缘。由于充电相对于旅行来说是一件昂贵的事情，我们希望将这些汽车分布在各种可用的充电点中，其中通信应限于车对车的交互。我们提供了机器人实现分散所需的内存和在任何类型的图上实现分散的最小运行时间的下限。然后，我们分析了各种类型的图的时间和内存之间的权衡。我们提供了几种类型的图的时间优化和内存优化算法，并显示了一点内存的运行时间方面的力量。
2018-07-17 cs.DC cs.DS
Anonymous Meeting in Networks
一个由未知数量的移动代理组成的团队，从一个未知网络的不同节点开始，可能在不同的时间，必须在同一个节点见面。代理是匿名的（相同的），执行相同的确定性算法，并沿着网络的链接同步移动。哪些配置是可验证的，以及如何通过相同的算法确定性地收集所有配置？我们给出了一个完整的解决方案，这个收集问题在任意网络。我们刻画了所有可重构的配置，并给出了两个通用的确定性聚集算法，即，收集所有可验证配置的算法。第一个算法的工作原理的假设下，上界n的网络的大小是已知的。在这种情况下，我们的算法保证收集与检测，即，对于任何可验证的配置，存在一轮，使得所有代理都在同一节点，并且都声明收集完成。如果没有上限的网络的大小是已知的，我们表明，一个通用的算法收集检测不存在。因此，对于这个更难的场景，我们构建了第二个通用的收集算法，它保证，对于任何可扩展的配置，所有代理最终到达一个节点并停止，尽管他们不能告诉收集是否结束。第一个算法的时间是网络大小上界n的多项式，而第二个算法的时间是（未知）大小本身的多项式。我们的研究结果有一个重要的后果领导选举问题的匿名代理在任意图。对于图中的匿名代理，领导者选举结果相当于检测收集。因此，作为一个副产品，我们获得了一个完整的解决方案的领导人选举问题的匿名代理在任意图。
2016-03-13 cs.DC cs.DS
Deterministic Collision-Free Exploration of Unknown Anonymous Graphs
研究两个相同移动代理在未知匿名无向图中的确定性无碰撞探索，证明半径2视野下可在多项式时间完成，而半径1视野下在直径2树中不可行。
2024-01-23 cs.DC
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
Deterministic Dispersion of Mobile Robots in Dynamic Rings
在这项工作中，我们研究了动态环上的移动机器人分散的问题。研究了由Augustine和Moses Jr.提出的$n$机器人在$n$节点图上的分散性问题。[1]要求机器人相互协调，并达到每个节点上只有一个机器人的配置。这个问题有现实世界的应用程序，并适用于每当我们想要最小化的总成本的$n$代理共享$n$资源，位于不同的地方，受到的约束，代理移动到不同的资源的成本是比较远小于多个代理共享一个资源（例如，智能电动汽车共享充电站）的成本。该问题的研究也为图上的散布问题、移动机器人的探索问题以及图上的负载均衡问题的研究提供了间接的帮助。我们解决的问题，分散存在两种类型的动力学的基础图：（i）顶点置换和（ii）1-区间连通性。我们引入了顶点置换动态性的概念，并使其意味着对于给定的节点集，在每一轮中，对手确保保持环结构，但节点之间的连接可能会改变。我们使用Di Luna等人的1-区间连通性的思想。[10]，其中对于给定的环，在每一轮中，对手最多选择一条边来删除。我们假设机器人有充分的可见性，并提出渐近时间最优算法，以实现分散在存在的两种类型的动力学时，机器人手征。当机器人不具有手征，我们提出了渐近时间最优算法，以实现分散受到一定的约束。最后，我们提供了不可能的结果分散时，机器人没有可见性。
2017-10-16 cs.DC cs.DS
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
Gathering on a Circle with Limited Visibility by Anonymous Oblivious Robots
Sapienza University of Rome（罗马大学）；JAIST（日本先进科学技术研究所）；University of Aizu（会津大学）；Kyushu University（九州大学）
本文研究了在半同步调度和有限可见性条件下，匿名无记忆机器人在圆周上的聚集问题，证明了当可见角距离为π时存在解决算法，而当其不大于π/2时则无解。
2024-11-17 cs.CG cs.DC cs.RO
Efficient Dispersion of Mobile Robots on Arbitrary Graphs and Grids
图上的移动机器人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，由于其关系到其他基本的机器人协调问题，如勘探，分散，负载平衡，并重新定位的自驱动电动汽车（机器人）充电站（节点）。在本文中，我们提供了两种新的确定性算法的分散，一个任意图形和另一个网格图，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。我们的算法为任意图形有$O(\min(m,kΔ) \cdot \log k)$步骤运行时使用$O(\log n)$位的内存在每个机器人，其中$m$是边缘的数量和$Δ$是最大程度的图形。这是对$O(mk)$步骤的指数改进，这是先前已知的最佳算法。特别是，我们的算法的运行时间是最佳的（高达$O(\log k)$因素）在常数度任意图。我们的算法网格图有$O(\min(k,\sqrt{n}))$步骤运行时使用$Θ(\log k)$位在每个机器人。这是第一个算法分散在网格图。此外，该算法是最佳的内存和时间时，$k=Ω(n)$。
2019-04-27 cs.DC cs.DS
Exploring a Dynamic Ring without Landmark
考虑一组自主移动计算实体，称为代理，任意放置在一个动态的，但总是连接的环的一些节点。代理人既不知道环的大小，也没有共同的方向概念。我们认为\textsc{Exploration}问题的代理必须协同探索的图形和终止，与要求，每个节点必须访问至少一个代理。这是由Di Luna等人[Distrib. Comput. 2020]的问题是可解决的两个匿名代理，如果有一个单独的观察到不同的节点在环称为地标节点。在没有地标节点的情况下，任何数量的匿名代理都无法解决这个问题。我们考虑的问题与非匿名代理（代理不同的标识符）在一个环中没有地标节点。具有不同标识符的代理的假设严格地弱于具有地标节点，因为在没有地标节点的情况下，该问题无法由具有不同标识符的两个代理来解决。Mandal等人最近研究了该设置[ALGOSENSORS 2020]。在那里，它示出的问题是可解决的，在此设置由三个代理，假设他们有边缘交叉检测能力。边缘交叉检测能力是一个强有力的假设，它使两个代理在相反的方向上移动通过同一轮中的边缘，以检测对方，也交换信息。在本文中，我们给出了一个算法，解决了三个代理的边缘交叉检测能力的问题。
2021-07-06 cs.DC
Asynchronous mobile robot gathering from symmetric configurations without global multiplicity detection
我们考虑一组K自治机器人，赋予可见性传感器（但否则无法通信）和运动执行器。这些机器人必须合作到达一个事先未知的顶点，并在此后留在那里。以前在环形网络中收集的工作表明，在潜在初始配置集的大小和机器人的传感能力之间存在权衡（即初始配置集越大，传感器需要的功能就越强大）。我们证明没有这样的交易。我们提出了一个收集协议的奇数个机器人在环形网络，允许对称的，但不是周期性的配置作为初始配置，但只使用本地弱多重性检测。机器人被假定为匿名和不经意的，执行模型是异步公平调度的非原子CORDA模型。我们的协议允许最大的一组初始配置（相对于不可能的结果），但使用最弱的多重性检测器。我们的协议的时间复杂度是O（n ~ 2），其中n表示环的大小。与以前的工作相比，也使用局部弱多重性检测，我们没有k < n/2的约束（这里，我们只是有2 < k < n - 3）。
2011-04-29 cs.DC
Conflicting Pattern Formation by Teams of Anonymous, Fully Disoriented Robots
Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）
本研究针对两组匿名、完全迷失方向的机器人，提出一种分布式算法，使其能同时解决聚集与圆形成两个冲突的模式形成问题，分别利用全局和局部弱多重检测能力。
2026-09-22 cs.CG cs.DC cs.MA
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
Sniffing Helps to Meet: Deterministic Rendezvous of Anonymous Agents in the Grid
本文研究网格中匿名智能体的确定性 rendezvous，证明在已知距离或同时启动时可 O(D) 完成，在无先验知识且任意延迟时最优复杂度为 O(D^2)，并给出下界。
2024-07-20 cs.DC
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
Optimizing Robot Dispersion on Grids: with and without Fault Tolerance
本文研究无向网格上移动机器人的分散问题，提出三种确定性算法，在有无故障机器人情况下分别实现时间与内存最优或近最优的分散，并给出相应的复杂度上界。
2024-05-03 cs.DC
Agent-Based Triangle Counting: Unlocking Truss Decomposition, Triangle Centrality, and Local Clustering Coefficient
Indian Statistical Institute（印度统计研究所）；BITS Pilani, Hyderabad（比拉尼理工学院海得拉巴分校）
本文提出一种基于移动智能体的三角形计数方法，用于匿名图，并作为构建模块解决桁架分解、三角形中心性和局部聚类系数问题，通过理论分析和模拟评估验证了其有效性。
2026-09-15 cs.DC cs.MA
Plane Formation by Synchronous Mobile Robots without Chirality
我们考虑一个分布式系统组成的自主移动计算实体，称为机器人，在一个指定的空间移动。这些机器人是匿名的，不经意的，既不能访问全局坐标系，也不能访问任何显式的通信介质。每个机器人观察其他机器人的位置，并根据其本地坐标系移动。为了研究机器人系统的自组织能力，二维的空间（2D空间）中的编队问题已被广泛研究。Yamauchi等人（DISC 2015）介绍了三维空间（3D空间）中的机器人系统。虽然现有的结果为3D空间假设机器人同意他们的本地坐标系的手，我们删除的假设，并考虑机器人没有手征。3D空间中最基本的一致性问题之一是平面形成问题，该问题要求机器人降落在一个未预定义的公共平面上。研究表明，具有手征性的机器人平面形成问题的可解性取决于其初始局部坐标系的旋转对称性，因为机器人不能打破它.旋转对称性和反射对称性的组合决定了平面形成问题的可解性，这是因为通过旋转和反射。这种更丰富的对称性导致了与手征机器人相比不可解实例的增加，也是现有平面形成算法的一个缺陷。本文给出了无手征机器人形成平面的初始构形的一个特征，并给出了一种新的平面形成算法。
2017-05-19 cs.DC
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
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
Pattern Formation Problem for Synchronous Mobile Robots in the Three Dimensional Euclidean Space
我们考虑一群自主移动机器人，每个机器人都是三维欧氏空间（3D空间）中的一个匿名点，并同步执行一个共同的分布式算法。我们调查的图案形成问题，需要的机器人形成一个给定的目标图案从一个初始配置和特征的问题，显示机器人形成一个给定的目标图案的充分必要条件。Suzuki和Yamashita（SICOMP 1999，TCS 2010）以及Fujinaga等人（SICOMP 2015）研究了二维的欧几里得空间（2D空间）中的图案形成问题。配置的可扩展性$ρ(P)$（即，机器人的位置）$P$直观上是作用于$P$的循环群的阶。它已被证明，完全同步（FSYNC）的机器人可以形成一个目标模式$F$从初始配置$P$当且仅当$ρ(P)$除$ρ(F)$。我们通过使用旋转群，其中每个旋转群由一组旋转轴及其排列定义，将双折射性的概念扩展到3D空间。我们定义三维空间中构型$P$的旋转度$\varrho(P)$为作用在$P$上且其旋转轴不包含任何机器人的旋转群的集合。我们证明了以下的充分必要条件的图案形成问题，这是一个自然的扩展现有的结果在二维空间中的图案形成问题：FSYNC机器人在三维空间中可以形成一个目标图案$F$从初始配置$P$当且仅当$\varrho(P) \subseteq \varrho(F)$。对于可解的情况，我们提出了一个模式形成算法不经意的FSYNC机器人。本文的见解是，移动机器人在三维空间中的对称…
2016-02-24 cs.DC
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
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
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
Meeting in a Polygon by Anonymous Oblivious Robots
Aix-Marseille University（艾克斯-马赛大学）；University of Ottawa（渥太华大学）；Carleton University（卡尔顿大学）；JAIST（北陆先端科学技术大学院大学）；Kyushu University（九州大学）
在多边形$P$（可能有洞）中的$k\geq 2$搜索者的相遇问题在于，根据分布式算法，使搜索者在$P$内移动，以这样一种方式，至少其中两个搜索者最终会看到对方，而不管他们的初始位置如何。搜索者最初不知道这个多边形，它的边缘阻碍了移动和视觉。根据形状的$P$，我们最大限度地减少搜索$k$的会议问题是可解的。具体地说，如果$P$有一个旋转对称的顺序$σ$（其中$σ=1$对应于没有旋转对称），我们证明了$k=σ+1$搜索是足够的，和界是紧的。此外，我们给出了一个改进的算法，最优地解决了会议问题的$k=2$搜索在所有多边形的重心不在一个洞（包括多边形没有洞）。我们的算法可以实现在各种标准模型的移动机器人运行在看-计算-移动周期。例如，如果搜索者有记忆，但是是匿名的、异步的，并且没有关于坐标系或顺时针方向的概念的协议，那么即使搜索者的初始记忆内容是任意的并且可能是误导的，我们的算法也可以工作。此外，不经意的搜索者也可以执行我们的算法，通过仔细定位自己在多边形中的位置来编码信息。这段代码可以用基本的算术运算来计算，每个循环都可以用几何方法构造自己的目的地点，只需要一个罗盘。我们强调，这种无记忆搜索器可以位于任何地方的多边形执行开始时，因此，他们最初编码的信息是任意的。我们的算法使用一个自稳定的地图建设子程序，这是独立的利益。
2019-07-06 cs.CG cs.DC cs.RO
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
Crash tolerant gathering on grid by asynchronous oblivious robots
考虑一个系统的自主移动机器人最初随机部署在一个匿名的有限网格的节点。聚集算法是由每个机器人独立执行的一系列移动，以便所有机器人在有限时间后在单个节点相遇。机器人以“看-计算-移动”循环运行。在每个周期中，机器人根据占用的节点（\emph{Look}）拍摄网格的当前配置的快照，然后基于感知的配置，决定是保持不变还是移动到相邻节点（\emph{Compute}），并且在后一种情况下相应地进行瞬时移动（\emph{Move}）。机器人具有\emph{weak multiplicity detection}能力，这使它们能够检测节点是否为空或被单个机器人或多个机器人占用。机器人是\emph{asynchronous}、\emph{oblivious}、\emph{anonymous}，不能相互通信和执行相同的分布式算法。然而，在一个有故障的系统中，任何机器人都可以\emph{crash}，这意味着它变得完全不活动，不再参与该过程。在这种情况下，容错收集算法是一种将所有无故障机器人收集在单个节点的算法。本文考虑了一个故障系统，可以有最多一个崩溃故障。有了这些假设，确定性的容错收集算法，收集所有的初始配置，在一个非故障系统，除了一个特定的配置称为\emph{2S2 configuration}是可验证的。
2017-09-04 cs.DC
Gathering Anonymous, Oblivious Robots on a Grid
Heinz Nixdorf Institute（海因茨·尼克斯多夫研究所）；University of Paderborn（帕德博恩大学）
我们考虑一群$n$自主移动机器人，分布在一个2维网格。这样一个群体的基本任务是收集过程：所有机器人都必须聚集在一个（不是预定义的）地方。一个非常简单的机器人的常见局部模型如下：机器人没有共同的指南针，只有恒定的视野半径，是自主的和不可区分的，每一步最多可以移动一个恒定的距离，不能通信，是健忘的，没有标志或状态。该机器人模型下的唯一收集算法，具有已知的运行时间界限，需要$\mathcal{O}(n^2)$轮，并在欧几里得平面中工作。该算法的底层时间模型是完全同步的$\mathcal{FSYNC}$模型。另一方面，在2维网格的情况下，对于相同时间和类似的局部模型的唯一已知的收集算法另外需要恒定的存储器、状态和“标志”，以将这些状态传送到观看范围中的邻居。他们聚集在时间$\mathcal{O}(n)$。在本文中，我们贡献了（据我们所知）网格上的第一次收集算法，该算法在与上述欧几里得平面策略相同的简单局部模型下工作，即，没有记忆（不经意的）、“标志”和状态。我们证明了它的正确性和$\mathcal{O}(n^2)$的时间限制在完全同步的$\mathcal{FSYNC}$时间模型。该时间界限与上述欧几里得平面的最佳已知算法的时间界限相匹配。我们说，如果所有机器人都位于$2\times 2$正方形内，则完成了收集，因为在$\mathcal{FSYNC}$中无法解决此类配置。
2017-08-03 cs.DC cs.MA cs.RO
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
Byzantine Dispersion on Graphs
本文考虑了拜占庭色散的问题，并沿着几个参数扩展了以前的工作。拜占庭分散的问题问：给定$n$机器人，其中$f$是拜占庭的，最初被任意放置在一个$n$节点匿名图，设计一个终止算法运行的机器人，使他们最终达到一个配置，每个节点上最多有一个非拜占庭robots.Previous工作解决了这个问题的戒指和容忍高达$n-1$拜占庭机器人。在本文中，我们研究更一般的图的问题。我们首先开发了一个算法，容忍高达$n-1$拜占庭机器人和工程图的更一般的类。然后，我们开发了一种算法，适用于任何图形，但容忍较少数量的拜占庭机器人。随后，我们将重点转向拜占庭机器人的力量。以前的工作只考虑了不能伪造身份证的“弱”拜占庭机器人。我们开发了一种算法，解决了拜占庭机器人不弱，可以伪造身份证时的问题。最后，我们研究了机器人数目不是$n$而是若干个$k$的情况。我们表明，在这样的情况下，拜占庭机器人，可以容忍的数量是严格限制的。具体来说，我们表明，它是不可能确定性地解决拜占庭色散时，$\lceil k/n \rceil > \lceil (k-f)/n \rceil$。
2021-09-26 cs.DC cs.DS
Arbitrary Pattern Formation on Infinite Grid by Asynchronous Oblivious Robots
任意图案形成问题要求设计一个分布式算法，允许一组自主移动机器人形成任何特定但任意的几何图案作为输入。这个问题在连续域的文献中得到了广泛的研究。本文研究了一个离散版本的问题，其中机器人操作的二维的无限网格。机器人被假设为自主的，相同的，匿名的和遗忘的。它们在完全异步的调度程序下以Look-Compute-Move循环运行。机器人不同意任何共同的全球坐标系或手性。我们已经证明，一组机器人可以形成任何任意的模式，如果他们的初始配置是不对称的。
2018-11-02 cs.DC
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
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
Perpetual exploration in anonymous synchronous networks with a Byzantine black hole
本文研究了在无网络规模先验知识且存在拜占庭黑洞（BBH）的匿名同步网络中，移动代理如何永久探索未知图，提出了两种探索变体，并给出了在无环网络和一般图中解决该问题所需的最优及上下界代理数量。
2025-08-11 cs.DC cs.MA
Pattern Formation by Robots with Inaccurate Movements
Jadavpur University（贾达布尔大学）
\textsc{Arbitrary Pattern Formation}是自主移动机器人系统中的一个基本问题。该问题要求设计一个分布式算法，移动一组自主的，匿名的和相同的移动机器人，以形成任何任意模式$F$作为输入。在本文中，我们研究的问题，机器人的运动可能是不准确的。我们的运动模型假设了预期运动的方向和程度上的误差。在这种情况下，不可能精确地形成给定的图案。因此，我们要求机器人必须形成接近给定模式$F$的配置。我们称之为\textsc{Approximate Arbitrary Pattern Formation}问题。我们表明，在坐标系没有协议，问题是不可解的，即使是完全同步的机器人，如果初始配置1）有旋转对称，没有机器人在旋转中心或2）有反射对称，没有机器人在反射轴上。从所有其他初始配置中，我们通过1）不经意的，无声的和半同步的机器人和2）可以使用外部可见光进行通信的不经意的，异步的机器人来解决问题。
2021-02-16 cs.DC cs.RO
Robot Networks with Homonyms: The Case of Patterns Formation
在本文中，我们考虑的问题，形成一系列的几何图案[4]由一个网络的遗忘移动机器人，只通过视觉通信。到目前为止，这个问题已经在模型中进行了研究，其中机器人要么被假设为具有不同的标识符，要么是完全匿名的。为了推广这些结果并更好地理解匿名性如何影响机器人的计算能力，我们在最近在[5]中引入的新模型中研究了这个问题，其中n个机器人可以共享多达1 <= h <= n个不同的标识符。我们目前的必要和充分条件，相关的同源性和同音异义，使问题可解。我们还表明，在h = n的情况下，使机器人的标识符不可见并不限制他们的计算能力。这与[4]的一个结果相矛盾。为了介绍我们的算法，我们使用一个函数，计算许多规则和对称配置的韦伯点。这个函数本身就很有趣，因为到目前为止，只有少数其他模式解决了寻找韦伯点的问题。
2011-05-29 cs.DC
Square Formation by Asynchronous Oblivious Robots
Institut für Algebra, TU Dresden（德累斯顿工业大学代数研究所）；University of Ottawa（渥太华大学）
分布式计算中的一个基本问题是模式形成问题，其中一些独立的移动实体，称为机器人，必须重新排列自己，以形成一个给定的图形从每一个可能的（非退化）的初始配置。在本文中，我们考虑的机器人，在欧几里德平面操作，是无量纲的，匿名的，健忘的，沉默的，异步的，迷失方向的，非手性的，非刚性的。对于这种非常基本的机器人类型，模式形成问题的可行性已经解决了，无论是正面的还是负面的，对于每一种可能的模式，除了一种情况：由四个机器人组成的团队的正方形形成问题。在这里，我们解决了最后一种情况下，给出了一个广场形成算法，并证明其正确性。我们的贡献代表了一长串研究的最后一章。我们的研究结果意味着，在移动机器人的模式形成问题的背景下，如同步性，手性和刚性的功能是计算无关的。
2016-05-20 cs.CG cs.DC cs.RO
Distance-2-Dispersion: Dispersion with Further Constraints
分散问题的目的是将一组$k(\leq n)$移动机器人放置在由$n$节点组成的未知图的节点中，使得在最终配置中每个节点包含至多一个机器人，从图上的机器人的任意初始配置开始。在这项工作中，我们提出了一个变种的分散问题，我们开始与任何数量的机器人，并把一个额外的约束，没有两个相邻的节点包含机器人在最终的配置。我们称这个问题为距离-2-色散（D-2-D）。然而，即使机器人的数量$k$小于$n$，每个机器人也不可能找到一个不同的节点来驻留，从而保持我们添加的约束。具体地说，如果一个最大独立集已经由每个包含一个机器人的节点形成，那么其他机器人，如果有的话，谁正在寻找一个节点座位，将不会找到一个。因此，我们只允许多个机器人在没有位置可坐的节点上就座。如果$k\geq n$，则保证具有机器人的节点形成底层网络的最大独立集。图$G=(V, E)$具有$n$节点和$m$边，其中节点是匿名的。它是一个端口标记图，即，每个节点$u$从范围$[0,δ-1]$向其每个入射边分配不同的端口号，其中$δ$是节点$u$的度数。机器人在$[1, L]$范围内具有唯一ID，其中$L \ge k$。协同定位的机器人可以相互通信。我们提供了一种从有根配置开始求解D-2-D的算法（即，最初所有的机器人都位于同一位置），并在使用每个机器人的$O(log Δ)$存储器的$2Δ(8m-3n+3)$同步轮之后终止，而不使用图形参数…
2023-01-12 cs.DC cs.DS
Decentralized Collaborative Inertial Tracking
本文提出一种基于移动设备惯性传感器和蓝牙匿名数据交换的去中心化室内协作跟踪算法，以低复杂度几何运算纠正位置误差，实验表明其相比独立行人航位推算算法平均精度提升44%。
2024-10-02 cs.DC cs.ET cs.NI
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
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
An Asynchronous Maximum Independent Set Algorithm by Myopic Luminous Robots on Grids
Graduate School of Advanced Science and Engineering, Hiroshima University（广岛大学先进理工学研究科）；Sorbonne University, CNRS, LIP6, Institut Universitaire de France（索邦大学、法国国家科学研究中心、LIP6实验室、法国大学研究所）
研究了在有限大小但未知的网格网络上，移动近视发光机器人的最大独立集的构造问题。在这种设置中，机器人从网格的一个角落一个接一个地进入网格网络，并且它们最终必须散布在网格节点上，使得所占据的位置形成网络的最大独立集。我们假设机器人是异步的、匿名的、沉默的，并且它们执行相同的分布式算法。在本文中，我们提出了两个算法：第一个假设每个机器人的光颜色的数量是三个和可见范围是两个，但使用额外的端口编号为每个节点的强假设。为了删除这个假设，第二个假设每个机器人的光色数量为7，可见范围为3。在这两种算法中，移动的数量是$O(n(L+l))$步，其中$n$是节点的数量，而$L$和$l$是网格维度。
2026-10-13 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
New Solutions to the Firing Squad Synchronization Problems for Neural and Hyperdag P Systems
我们提出了两个统一的解决方案，一个开放的问题：射击队同步问题（FSSP），hyperdag和对称神经P系统，匿名细胞。我们的解分别需要e_c+5步和6 e_c +7步，其中e_c是这些P系统的dag或有向图的命令单元的偏心率。第一个和快速的解决方案是基于一个新的建议，它动态地扩展P系统与移动信道。第二种解决方案要长得多，但完全基于经典规则和静态通道。与以前的解决方案相比，它适用于基于树的P系统，我们的解决方案同步到底层有向图的任何子集;不需要膜极化或条件规则，但需要状态，通常用于hyperdag和神经P系统。
2009-11-26 cs.CE cs.DC cs.NE
Oblivious Permutations on the Plane
JAIST（北陆先端科学技术大学院大学）；Kyushu University（九州大学）；Aix-Marseille University（艾克斯-马赛大学）；CNRS（法国国家科学研究中心）；University of Rome “Sapienza”（罗马第一大学）；University of Ottawa（渥太华大学）；Carleton University（卡尔顿大学）
本文考虑了一个由n个相同的移动机器人组成的分布式系统，该系统在二维的欧几里德平面上运行。与以前的研究一样，我们认为机器人是匿名的，不经意的，迷失方向的，没有任何通信能力，基于Look-Compute-Move模型操作，机器人的下一个位置仅取决于其当前配置的视图。即使在这个看似薄弱的模型，大多数编队问题，需要构建特定的配置，可以很容易地解决时，机器人是完全同步的。在本文中，我们介绍和研究一类新的问题，不像形成问题，到目前为止，不能总是解决，即使在完全同步模型与原子和刚性运动。这类问题要求机器人在平面上置换它们的位置。特别是，我们感兴趣的是实现两种特殊类型的排列-排列没有任何固定点和排列顺序$n$。前者（称为MOVE-ALL）要求每个机器人访问至少两个初始位置，而后者（称为VISIT-ALL）要求每个机器人以周期性的方式访问每个初始位置。我们提供了这些问题的可解性的表征，显示在解决这类问题的移动机器人的主要挑战。我们还提供了算法的可行的情况下，特别是区分一步算法（其中每个配置必须是一个置换的原始配置）和多步算法（允许中间配置）。这些结果开辟了一个新的研究方向，在移动分布式机器人，这是以前没有调查。
2019-11-13 cs.DC cs.RO
Uniform Scattering of Robots on Alternate Nodes of a Grid
Jadavpur University（贾达普大学）
在本文中，我们提出了一种分布式算法，均匀地分散机器人沿网格，与机器人在交替节点的网格分布。这些同质的自主移动机器人将自己等距离地放置在网格上，这可能需要机器人来保护或覆盖地理区域。机器人通过执行状态“看-计算-移动”的循环来操作。在观察阶段，它观察其他机器人的位置;在计算阶段，它计算要移动到的目的地;然后在移动阶段，它移动到计算的目的地。它们不通过消息传递进行交互，并且既不能选择过去的动作，也不能选择来自前一个周期的查看数据，即，健忘机器人是半同步的，匿名的，具有无限的可见性。最后，机器人均匀地分布在网格的交替节点上，使网格的相邻节点空置。该算法还保证了机器人之间没有碰撞或死锁。
2020-12-13 cs.DC cs.RO
A Characterization of Semi-Synchrony for Asynchronous Robots with Limited Visibility, and its Application to Luminous Synchronizer Design
University of Ottawa（渥太华大学）；Carleton University（卡尔顿大学）；Kyushu University（九州大学）
移动机器人系统由匿名的移动机器人组成，每个机器人根据共同的算法自主地执行感测、计算和移动，使得机器人集体地完成给定的任务。有两个主要的模型的时间和激活的机器人。在半同步模型（SSYNC）中，机器人共享一个共同的时间概念;在每个时间单位，一个机器人子集被激活，每个机器人在该时间单位内执行所有三个动作（感知，计算和移动）。在异步模型（ASYNC）中，没有共同的时间概念，机器人在任意时间被激活，每个动作的持续时间是任意的但有限的。在本文中，我们研究的问题同步ASNYC机器人有限的传感范围，即，能见度有限。我们首先提出了一个充分条件的ASYNC执行一个共同的算法${\cal A}$有一个相应的SSYNC执行${\cal A}$，我们的条件对机器人的激活时间表和运动过程中的可见性约束的时间约束。然后，我们证明了这个条件是必要的（概率$1$）下的随机ASYNC对手。最后，我们提出了一个同步算法的发光ASYNC机器人有限的能见度，每个配备了一盏灯，可以采取恒定数量的颜色。我们的算法使发光ASYNC机器人模拟任何算法${\cal A}$，设计用于（非发光）SSYNC机器人和满足可见性约束。
2020-08-01 cs.DC cs.RO
