用近视发光机器人终止网格探索

Terminating grid exploration with myopic luminous robots

Shota Nagahama, Fukuhito Ooshita, Michiko Inoue

备注：: 39 pages

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们研究了自主近视发光机器人的终止网格探索。近视机器人意味着它们只能在一定的固定距离内观察节点，而发光机器人意味着它们有可以发出颜色的光装置。首先，我们证明了，在半同步和异步模型中，三个近视机器人是必要的，以实现终止网格探索，如果可见距离是1。接下来，我们给出了14个算法的终止网格探索在各种假设的同步（全同步，半同步和异步模型），可见距离，颜色的数量，和手征。其中六个是最佳的机器人数量。

英文摘要：

We investigate the terminating grid exploration for autonomous myopic luminous robots. Myopic robots mean that they can observe nodes only within a certain fixed distance, and luminous robots mean that they have light devices that can emit colors. First, we prove that, in the semi-synchronous and asynchronous models, three myopic robots are necessary to achieve the terminating grid exploration if the visible distance is one. Next, we give fourteen algorithms for the terminating grid exploration in various assumptions of synchrony (fully-synchronous, semi-synchronous, and asynchronous models), visible distance, the number of colors, and a chirality. Six of them are optimal in terms of the number of robots.

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。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

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。

继续探索

相关论文

使用近视发光机器人进行环形探测

Ring Exploration with Myopic Luminous Robots

我们研究探索算法的自主移动机器人在均匀的环形网络中发展。与通常的Look-Compute-Move（LCM）模型不同，我们考虑了两个特征：近视和亮度。近视意味着每个机器人的能见度有限。我们考虑近视的最弱假设：每个机器人只能观察其相邻节点。亮度意味着每个机器人都保持着不挥发的可见光。我们考虑最弱的假设亮度：每个机器人只能使用两种颜色的光。本文的主要兴趣是澄清光度对近视机器人探索的影响。作为一个主要的贡献，我们证明了：1）在完全同步模型中，两个和三个机器人是必要的和充分的实现永久和终止的探索，分别和2）在半同步和异步模型中，三个和四个机器人是必要的和充分的实现永久和终止的探索，分别。这些结果澄清了近视机器人的灯的功率，因为没有灯，五个机器人是必要的和足够的，以实现终止探索在完全同步模型，并没有终止探索算法存在于半同步和异步模型。我们还表明，在完全同步模型（分别为，半同步和异步模型），所提出的永久探索算法是通用的，即该算法从具有两个（分别，三）机器人和两种颜色。另一方面，我们表明，在完全同步模型（分别，半同步和异步模型），不存在用于终止探索的通用算法，即，没有算法可以从具有三个（分别，四）机器人和两种颜色。

2018-05-10cs.DC

基于近视发光机器人的网格异步最大独立集算法

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。

2026-10-13cs.DC

线形网络上近视发光机器人的起立宽容集合

Stand-Up Indulgent Gathering on Lines for Myopic Luminous Robots

研究线形网络上近视发光机器人的崩溃容错集合问题（SUIG），证明当初始配置参数$M_{init}$或$O_{init}$为奇数时，该问题可在全同步模型中解决。

2024-01-09cs.DC

近视发光机器人填充MIS顶点

Filling MIS Vertices by Myopic Luminous Robots

本文研究了具有发光近视移动机器人的具有$n$顶点的任意连通图的极大独立集（MIS）（称为\emph{MIS Filling problem}）的求解问题。机器人从称为\emph{Door}的特定顶点一个接一个地进入图，并且沿着图的边缘分散而没有碰撞以占据顶点，使得由机器人占据的顶点集是最大独立集。我们假设机器人只知道图的最大度，用$Δ$表示。在本文中，我们探讨了两个版本的问题：第一个版本的解决方案，命名为\emph{MIS Filling with Single Door}，工作在一个异步调度器下使用机器人3跳的可见性范围，$Δ+ 6$的颜色和$O(\log Δ)$位的持久性存储。时间复杂度是以epoch为单位来度量的，可以在$O(n^2)$ epoch中求解。epoch是每个参与机器人被激活并至少执行一次算法的最小时间间隔。对于第二个版本与$k~ ( > 1)$ \textit{Doors}，命名为\emph{MIS Filling with Multiple Doors}，该解决方案的工作下，半同步调度器使用机器人与5跳的可见性范围，$Δ+ k + 6$数量的颜色和$O(\log (Δ+ k))$位的持久性存储。多个门的问题可以在$O(n^2)$ epochs中解决。

2022-10-15cs.DC

近视发光机器人的异步灌装

Asynchronous Filling by Myopic Luminous Robots

我们考虑的问题，填充一个未知的区域表示的$n$顶点的任意连通图的移动发光机器人。在这个问题中，机器人通过一个特定的顶点（称为门）一个接一个地进入图，它们最终必须覆盖图的所有顶点，同时避免碰撞。这些机器人是匿名的，并根据相同的本地行为规则做出决策。它们具有有限的持久内存和有限的可见范围。我们研究了异步模型中的填充问题。我们假设机器人在进入之前知道图的最大程度上的上限$Δ$。我们提出了一种算法，解决了异步填充问题的机器人具有$1$跳可见性范围，$O(\logΔ)$位的持久性存储，和$Δ+4$的颜色，包括当灯关闭时的颜色。我们分析了算法的异步轮，其中一轮意味着最小的时间间隔，其中每个机器人，尚未完成的算法，已被激活至少一次。我们证明了该算法需要$O(n^2)$异步轮。我们的分析提供了第一个渐近上界的异步轮的运行时间。然后，我们展示了如何颜色的数量可以减少到$O(1)$的运行时间的成本。具有$1$跳可见性范围、持久存储器的$O(\log Δ)$位和$O(1)$颜色的算法需要$O(n^2\log Δ)$轮。我们展示了如何运行时间可以改善的$2$跳，$O(\log Δ)$位的持久性内存，和$Δ+ 4$的颜色（包括颜色时，灯是关闭的）的可见性范围内的机器人。我们证明了该算法需要$O(n)$异步轮。最后，我们展示了如何通过使用$Δ+ k + 4$颜色（包括灯关闭时的颜色）将我们的解决方案扩展到$k…

2020-05-11cs.DC

近视机器人的时间最优异步最小顶点覆盖

Time-optimal Asynchronous Minimal Vertex Covering by Myopic Robots

本文针对有限可见性的近视发光机器人，研究其在异步调度下填充图的最小顶点覆盖问题，确定下界并提出树和一般图的最优算法，部分实现NP难的MinVC。

2025-08-19cs.DC