Awake Complexity of Distributed Minimum Spanning Tree
针对资源受限网络中分布式MST的能耗问题,在睡眠模型下提出唤醒复杂度为O(log n)的最优确定性与随机算法,证明了唤醒与轮复杂度乘积的下界,并给出实现二者最优权衡的参数化算法族。
2023-12-19 cs.DC cs.DS cs.NI
Distributed Coloring in the SLEEPING Model
本文针对SLEEPING模型下分布式网络的能效与时间效率平衡问题,提出一种$(Δ+1)$-着色随机算法,实现常数平均唤醒复杂度、$O(\text{log}\text{log}n)$最大唤醒复杂度及$poly\text{log}n$轮次复杂度。
2024-05-16 cs.DC
Sleeping Model: Local and Dynamic Algorithms
近年来,睡眠模式成为研究者关注的焦点。在这个模型中,节点可以进入睡眠状态,在这种状态下,它们不消耗能量,但同时不能接收或发送消息,也不能执行内部计算。这个模型捕捉了问题的能量考虑。一个问题P是一个O-映射问题,如果给定输入图的边上的非循环定向,可以按如下方式解决该问题。每个顶点根据给定的方向等待其父母的决定,并且可以仅使用关于其父母决定的信息来做出关于P的决定。的问题,并表明,这类问题有一个确定性的算法,运行在$O(\log Δ)$唤醒时间。该算法时钟循环复杂度为$O(Δ^2)$。在这项工作中,我们提供了三个算法的BF O-类问题之间的权衡清醒的复杂性和时钟轮的复杂性。这些算法中的一个对于某些恒定的$ε>0$仅需要$O(Δ^{1+ε})$时钟循环,但仍然仅需要$O(\log Δ)$唤醒时间,这改进了\cite{BM21}中的算法。我们添加到这两个其他算法,贸易更高的唤醒复杂度较低的时钟轮复杂度。我们注意到,引起的清醒时间并不那么重要。我们在睡眠模型中提供动态算法。我们展示了三个算法解决动态问题的O-类,以及解决任何动态决策问题的算法。我们可以解决任何{ \bf O-图}的问题,在恒定的唤醒时间与恒定的邻域独立性。具体来说,我们的算法需要$O(K)$唤醒时间,其中$K$是输入图的邻域独立性。有界邻域独立图是近年来关于分布环境下几个核心问题的研究热点。
2021-12-10 cs.DC
Solving Sequential Greedy Problems Distributedly with Sub-Logarithmic Energy Cost
本文针对 O-LOCAL 类顺序贪心图问题,提出在 Sleeping 模型中利用少颜色网络分解的确定性分布式算法,将清醒复杂度改进为 O(√log n·log* n),在最大度较大时相比现有结果实现多项式提升。
2024-11-25 cs.DC
Tight Energy Lower Bounds for Distributed Graph Algorithms
Lancaster University(兰卡斯特大学);University of Houston(休斯顿大学);Augusta University(奥古斯塔大学)
该研究提出基于信息论的通用技术,证明多个基础图问题的能量下界与轮下界匹配,无法获得显著能量增益。
2026-08-20 cs.DC cs.DS
Energy-Efficient Maximal Independent Sets in Radio Networks
Rochester Institute of Technology(罗切斯特理工学院);Lancaster University(兰卡斯特大学);University of Houston(休斯顿大学);University at Buffalo(布法罗纽约州立大学)
针对无线网络中的最大独立集问题,提出两种随机分布式算法,在带碰撞检测模型中实现最优能量复杂度O(log n),在不带碰撞检测模型中显著降低能量复杂度至O(log² n log log n),优于现有最佳算法。
2025-10-09 cs.DC cs.DS
Rise and Shine Efficiently! Tight Bounds for Adversarial Wake-up
研究分布式网络中对抗性唤醒问题,证明了KT0和KT1模型下的消息复杂度下界,并提出了多种异步和同步唤醒算法及建议方案以实现近乎最优的时间和消息复杂度。
2025-07-15 cs.DC
Distributed MIS with Low Energy and Time Complexities
本文提出了两种在CONGEST模型下解决极大独立集问题(MIS)的随机分布式算法,在时间复杂度接近最优的同时大幅降低了节点的能量复杂度。
2023-05-23 cs.DC cs.DS
A Near-Optimal Low-Energy Deterministic Distributed SSSP with Ramifications on Congestion and APSP
提出一种低能耗确定性分布式精确SSSP算法,运行 $\tilde{O}(n)$ 轮且节点仅唤醒 $poly(\log n)$ 轮,并基于此通过独立求解与随机调度实现近最优APSP。
2024-09-23 cs.DC cs.DS
Deterministic and Energy-Optimal Wireless Synchronization
我们认为在无线环境中的时钟同步的问题,处理器必须关闭他们的无线电,以节省能源。能源效率是无线网络的核心目标,特别是在能源资源严重有限的情况下。在当前设置中,问题是同步在任意时间点唤醒的$m$处理器的时钟,使得待用时间之间的最大差由正整数$n$限定,其中时间间隔被适当地离散化。目前,用于$m$处理器的单跳网络的同步的最著名的结果是由于每个处理器的O(\sqrt {n /m} \cdot poly-log(n))唤醒次数的\cite{BKO09}和每个处理器\cite{BKO09}所需的唤醒次数的Omega(\sqrt{n/m})的下限而导致的随机算法。在他们的工作中留下的主要开放问题是关闭上界和下界之间的多对数间隙,并将其概率构造去随机化并消除错误概率。这正是我们在本文中所做的。也就是说,我们展示了一个{确定性}算法,无线电使用θ(\sqrt {n /m}),从来没有失败。我们强调,我们的上限完全匹配的下限证明在\cite{BKO09},一个小的乘法常数。因此,我们的算法在能源效率方面是{最优}的,并完全解决了这一领域的一系列工作。为了实现这些结果,我们设计了一种新的{自适应}技术,该技术确定设备打开和关闭无线电的时间。此外,我们证明了几个下界的能量效率的算法{多跳网络}。具体来说,我们表明,任何多跳网络的算法必须有无线电使用欧米茄(\sqrt n)每个处理器。
2010-10-06 cs.DC
MIS in the Congested Clique Model in $O(\log \log Δ)$ Rounds
在拥塞团模型下,给出了一个以$O(\log \log Δ)$轮为单位的最大独立集(MIS)算法,其中$Δ$是输入图的最大度.这改进了[Ghaffari,PODC '17]的$O(\frac{\log(Δ) \cdot \log \log Δ}{\sqrt{\log n}} + \log \log Δ)$轮算法,其中$n$是输入图的顶点数。在算法的第一阶段,我们模拟了$O(\log \log Δ)$轮中拥挤团模型下MIS的顺序随机顺序贪心算法的第一个$O(\frac{n}{\text{poly} \log n})$迭代。这相对快速地稀疏了输入图:在这个阶段之后,残差图的最大度是多对数的。在第二阶段,我们在残差图上运行[Ghaffari,PODC '17]的MIS算法,该算法在多对数度的图上完成$O(\log \log Δ)$轮。
2018-02-21 cs.DC cs.DS
Improved Massively Parallel Computation Algorithms for MIS, Matching, and Vertex Cover
我们提出了$O(\log\log n)$轮算法的大规模并行计算(MPC)模型,与$\tilde{O}(n)$内存每台机器,计算一个最大的独立集,一个$1+ε$近似的最大匹配,和一个$2+ε$近似的最小顶点覆盖,任何$n$顶点图和任何常数$ε>0$。这些改进了现有技术如下:-我们的MIS算法导致一个简单的$O(\log\log Δ)$ -轮MIS算法在分布式计算的拥塞集团模型,它改进了$\tilde{O}(\sqrt{\log Δ})$轮算法的Ghaffari [PODC'17]。- 我们的$O(\log\log n)$ -圆形$(1+ε)$ -近似最大匹配算法简化或改进了以下先前的工作:$O(\log^2\log n)$ -圆形$(1+ε)$ -Czumaj等人的近似算法[STOC'18]和$O(\log\log n)$ -圆形$(1+ε)$ -Assadi等人的近似算法[SODA'19]。- 我们的$O(\log\log n)$ -圆形$(2+ε)$ -近似最小顶点覆盖算法改进了Assadi等人的$O(\log\log n)$ -圆形$O(1)$ -近似[arXiv'17]。
2022-03-17 cs.DC cs.DS
Improved MPC Algorithms for MIS, Matching, and Coloring on Trees and Beyond
我们提出了$O(\log\log n)$轮可扩展的大规模并行计算算法的最大独立集和最大匹配,在树和更一般的图形有界荫度,以及为常数着色树。遵循标准,通过可扩展MPC算法,我们意味着这些算法可以在对于任何正常数$δ<1$具有与$n^δ$一样小的容量/存储器的机器上工作。我们的结果改进了Behnezhad等人[PODC'19]的$O(\log^2\log n)$轮算法。此外,我们的匹配算法可能是最佳的,因为其边界匹配Ghaffari,Kuhn和Uitto [FOCS'19]的$Ω(\log\log n)$条件下限。
2020-08-10 cs.DC cs.DS
Faster Distributed $Δ$-Coloring via a Reduction to MIS
CISPA Helmholtz Center for Information Security(CISPA 亥姆霍兹信息安全中心)
本文通过将$\Delta$-着色问题归约到MIS问题,在LOCAL模型中实现了与$(\Delta+1)$-着色相同的$\tilde{O}(\log^{5/3} n)$轮确定性复杂度,并改进了随机化及有界度图上的复杂度界。
2025-10-18 cs.DC cs.DS
Breaking Barriers for Distributed MIS by Faster Degree Reduction
本研究针对分布式LOCAL模型下的最大独立集求解难题,提出适用于无长度≤6的环的图的亚对数轮算法,将支持该类算法的图围长下限推至7,还反驳了树中MIS算法复杂度的相关猜想。
2025-05-21 cs.DC cs.DS
Near-Optimal Deterministic Network Decomposition and Ruling Set, and Improved MIS
本文提出近最优确定性分布式网络分解与 O(log log n) 支配集算法,并将 MIS 确定性轮复杂度改进至约 O(log^(5/3) n)。
2024-10-25 cs.DC cs.DS
Massively Parallel Symmetry Breaking on Sparse Graphs: MIS and Maximal Matching
在过去的几年里,MapReduce、Hadoop或Spark等现代并行范式的成功吸引了人们对大规模并行计算(MPC)模型的极大关注,特别是在图问题上。在这项工作中,我们认为对称性破缺问题的最大独立集(MIS)和最大匹配(MM),这是最深入研究的问题,在分布式/并行计算,在MPC。这些问题是已知的承认有效的MPC算法,如果每台机器的空间是近线性的$n$,在图中的顶点数。然而,正如在文献中所观察到的,这种空间需求通常比我们所能承受的要大得多;特别是当输入图稀疏时。与此形成鲜明对比的是,在每台机器的$n^{1-Ω(1)}$空间的真正次线性区域中,所有已知的算法都采用被认为是低效的$\log^{Ω(1)} n$轮。出于这个缺点,我们参数化我们的算法的荫度$α$的输入图,这是一个广受好评的措施,其稀疏性。我们表明,MIS和MM都承认$O(\sqrt{\log α}\cdot\log\log α+ \log^2\log n)$轮算法使用$O(n^ε)$空间每台机器的任何常数$ε\in (0, 1)$和使用$\widetilde{O}(m)$总空间。因此,对于稀疏图的荫度较小的情况-如无次图、有界亏格图或有界树宽图-,我们得到了一个$O(\log^2 \log n)$轮算法,该算法指数地改进了现有的算法。通过已知的约简,我们的结果也意味着一个$(1+ε)$ -近似的最大基数匹配,一个$(2+ε)…
2019-05-06 cs.DC cs.DS
Distributed Maximal Independent Set on Scale-Free Networks
研究了具有幂律权值的非齐次随机图上的分布最大独立集问题,利用该问题可以构造无标度网络。这样一个特定的问题已经解决了图形与$n$顶点的最先进的算法的时间复杂度为$O(\log{n})$。证明了对于幂律指数为$β> 3$的无标度网络,其导出子图由度大于$\log{n}\log^{*}{n}$的顶点构成,几乎必然(a.s.)是幂律指数为$β' = 2$的无标度网络.然后,我们提出了一个新的算法,计算无标度网络上的MIS的时间复杂度为$O(\frac{\log{n}}{\log{\log{n}}})$ a.s.,其优于$O(\log{n})$。进一步证明了在具有$β\geq 3$的无标度网络上,荫度和简并度以高概率(w.h.p.)小于$2^{log^{1/3}n}$.最后证明了用$β\geq 3$在无标度网络上寻找MIS的时间复杂度为$O(log^{2/3}n)$ w.h.p.
2018-06-11 cs.DC cs.DS
Sparsifying Distributed Algorithms with Ramifications in Massively Parallel Computation and Centralized Local Computation
我们介绍了一种方法,稀疏化分布式算法,并展示它如何导致改进,过去已知的障碍,在两个算法设置的大规模图形处理:大规模并行计算(MPC),和本地计算算法(LCA)。- 具有强次线性存储器的MPC:最近,对于MIS、最大匹配、最小顶点覆盖的2-近似和最大匹配的$(1+ε)$ -近似等问题,获得比其经典$O(\log n)$轮并行对应物更快的MPC算法的兴趣越来越大。目前,所有这样的MPC算法需要每台机器的$\tildeΩ(n)$存储器。Czumaj等人[STOC'18]是第一个处理$\tildeΩ(n)$内存的人,在$O((\log\log n)^2)$轮中运行。我们得到$\tilde{O}(\sqrt{\log Δ})$轮MPC算法的所有这四个问题,即使每个机器有内存$n^α$任何常数$α\in (0, 1)$。这里,PDMATHAMT表示最大程度。这些是第一个亚临界时间算法,这些问题,打破了线性记忆障碍。- 查询复杂度低于Parnas-Ron范式的LCA:目前,最知名的MIS LCA具有查询复杂度$Δ^{O(\log Δ)} poly(\log n)$,由Ghaffari [SODA'16]提出。正如Rubinfeld所指出的,获得$poly(Δ\log n)$的查询复杂度仍然是一个中心的开放问题。Ghaffari的界限几乎达到了所有已知MIS LCA所共有的$Δ^{Ω\left(\…
2018-07-17 cs.DC cs.DS
Distributed Approximation of Maximum Independent Set and Maximum Matching
本文提出了一个简单的分布式$Δ$ -近似算法,用于$\mathsf{CONGEST}$模型中的最大权独立集(MaxIS),该算法在$O(\texttt{MIS}(G)\cdot \log W)$轮中完成,其中$Δ$是最大度,$\texttt{MIS}(G)$是在$G$上计算最大独立集(MIS)所需的轮数,$W$是节点的最大权.我们的算法是随机的还是确定性的取决于\texttt{MIS}算法被用作黑盒。插入MIS的最佳已知算法以$O(\log n \log W)$轮给出随机解,其中$n$是节点数。我们还提出了一个基于着色的确定性$O(Δ+\log^* n)$轮算法。然后,我们将展示如何使用我们的MaxIS近似算法来计算$2$近似的最大权重匹配,而不会产生任何额外的轮惩罚的$\mathsf{CONGEST}$模型。我们使用一个已知的减少模拟算法的线图,而招致拥塞,但我们表明我们的算法是一个广泛的家庭的\emph{local aggregation algorithms},我们描述了一种机制,允许模拟运行在$\mathsf{CONGEST}$模型,而没有额外的开销的一部分。接下来,我们表明,对于最大权重匹配,放宽近似因子($2+\varepsilon$),使我们能够设计一个分布式算法,需要$O(\frac{\log Δ}{\log\logΔ})$轮的任何常数$\varepsilon>0$…
2017-08-01 cs.DC cs.DS
Improved Distributed Approximations for Maximum Independent Set
我们提出了改进的结果,近似最大重量独立集($\MaxIS$)的分布计算的CONGEST和CONGEST模型。给定一个输入图,令$n$和$Δ$分别为节点数和最大度,令$\MIS(n,Δ)$为在CONGEST模型中找到\emph{maximal}独立集($\MIS$)的运行时间。Bar-Yehuda等人[PODC 2017]表明,CONGEST模型中有一种算法,可在$O(\MIS(n,Δ)\log W)$轮中找到$\MaxIS$的$Δ$近似值,其中$W$是图中节点的最大权重,可高达$\poly (n)$。他们的算法是确定性的还是随机的取决于$\MIS$算法,它被用作黑盒。我们在这项工作中的主要成果是一个随机的$(\poly(\log\log n)/ε)$轮算法,发现,具有高概率,$(1+ε)Δ$近似$\MaxIS$在CONGEST模型。也就是说,通过牺牲近似保证的一小部分,我们实现了\emph{exponential}在运行时间上比以前最好的已知结果加速。由于Kuhn、Moscibroda和Wattenhofer [JACM,2016]给出的$Ω(\sqrt{\log n/\log \log n})$的下界是关于找到最大独立集(即使是在RMM模型中)的任何(可能是随机的)算法的轮数,因此该结果意味着找到$\MaxIS$的$(1+ε)Δ$ -近似比$\MIS$更容易。
2020-02-19 cs.DC cs.DS
Using Read-$k$ Inequalities to Analyze a Distributed MIS Algorithm
直到最近,最快的分布式MIS算法,即使是简单的图,例如,无向树是80年代发现的简单随机算法。该算法(通常称为Luby算法)在$O(\log n)$轮中计算MIS(具有高概率)。当Lenzen和Wattenhofer(PODC 2011)提出了一个无方向树的随机$O(\sqrt{\log n}\cdot \log\log n)$轮MIS算法时,这种情况发生了变化。Barenboim等人(FOCS 2012)对该算法进行了改进,得到了$O(\sqrt{\log n \cdot \log\log n})$轮MIS算法。这些树MIS算法的分析依赖于概率事件的“近似独立性”,这是网络树结构的一个特征。在他们的论文中,Lenzen和Wattenhofer希望他们的算法和分析可以扩展到具有有界荫度的图。我们展示如何做到这一点。通过使用Gavinsky等人(Random Struct Algorithms,2015)提出的read-k随机变量族的新尾不等式,我们展示了如何处理最近的树MIS算法在有界荫度图上执行时引起的依赖关系。具体来说,我们分析了一个版本的树MIS算法的Barenboim等人。并表明,它运行在$O(\mbox{poly}(α) \cdot \sqrt{\log n \cdot \log\log n})$轮的$\mathcal{CONGEST}$模型的图荫度$α$。虽然本文的主旨是…
2016-05-20 cs.DC
Distributed Maximal Matching and Maximal Independent Set on Hypergraphs
研究了超图的极大匹配和极大独立集的分布复杂性。超图$H=(V_H,E_H)$的最大匹配是超边的最大不交集$M\subseteq E_H$,MIS $S\subseteq V_H$是使得没有超边完全包含在$S$中的最大节点集。这两个问题都可以通过一个简单的顺序贪婪算法来解决,该算法可以在$O(Δr + \log^* n)$轮中简单地实现,其中$Δ$是最大度,$r$是秩,$n$是节点数。我们表明,对于最大匹配,这种天真的算法是最佳的,在以下意义上。任何解决问题的确定性算法都需要$Ω(\min\{Δr, \log_{Δr} n\})$轮,而任何随机化算法都需要$Ω(\min\{Δr, \log_{Δr} \log n\})$轮。因此,对于任何复杂度为$O(f(Δ, r) + g(n))$形式的算法,如果$g(n)$不太大,特别是如果$g(n) = \log^* n$(由于Linial的下界[FOCS'87],这是对$n$的最佳渐近依赖性),我们就有$f(Δ, r) \in Ω(Δr)$。我们的下界证明是基于轮消除框架,其结构的灵感来自于一个新的轮消除不动点,我们给超图的$Δ$ -顶点着色问题。对于超图的MIS问题,我们表明,$Δ\ll r$,有显着的改进,天真的$O(Δr + \log^* n)$轮算法。我们给出了两个确定性算法的问题。我们表明,超图MIS可以计算在$O(Δ^2\cdot…
2022-11-03 cs.DC cs.DS
The Energy Complexity of Diameter and Minimum Cut Computation in Bounded-Genus Networks
本文研究多跳无线电网络中分布式图问题的能效复杂度,针对有界亏格图提出计算精确直径、精确全局最小割及近似 $s$-$t$ 最小割的算法,能耗降至 $\tilde{O}(\sqrt{n})$,核心方法是通过划分顶点度数并利用图结构特性控制连通分量数量。
2023-04-10 cs.DC cs.DS
Optimal Deterministic Rendezvous in Labeled Lines
CISPA Helmholtz Center for Information Security(CISPA赫尔霍兹信息安全中心);SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris(SAMOVAR,巴黎理工学院电信南方学院)
本文提出了一种在标记线上实现确定性会合的最优算法,能够在O(D log* ℓ_min)轮次内完成,其中ℓ_min是起始位置附近最小的标签。
2026-01-13 cs.DC cs.DS
Distributed Self-Stabilizing MIS with Few States and Weak Communication
研究了一个简单的随机过程,它在一般的$n$-顶点图上计算极大独立集(MIS)。每个顶点都有一个二进制状态,黑色或白色,其中黑色表示包含在MIS中。顶点状态最初是任意的,并且并行更新:在每一轮中,每个顶点的状态与其邻居"不一致",即,它是黑色的并且具有黑色的邻居,或者它是白色的并且所有邻居都是白色的,以概率$1/2$改变其状态。该过程在任何图上以概率1稳定,并且所得的黑色顶点集是MIS。也很容易看出,在某些图族上,例如团和树,期望的稳定时间是$O(\log n)$。然而,在这些简单案例之外分析图表上的过程似乎具有挑战性。我们的主要结果是,该过程稳定在$\mathrm{poly}(\log n)$轮w.h.p.\对于$0\leq p \leq \mathrm{poly}(\log n)\cdot n^{-1/2}$和$p \geq 1/\mathrm{poly}(\log n)$,在$G_{n,p}$随机图上。此外,具有较大但仍恒定的顶点状态空间的此过程的扩展在$G_{n,p}$ w.h.p.上的$\mathrm{poly}(\log n)$轮中稳定,适用于所有$1\leq p\leq 1$。我们推测,这一改进的界限,以及为原来的过程。事实上,我们认为,原来的过程稳定在$\mathrm{poly}(\log n)$轮上的任何给定的$n$-顶点图w.h. p。这两个过程很容易转化为分布式…
2023-01-12 cs.DC
Node and Edge Averaged Complexities of Local Graph Problems
在图$G=(V,E)$上运行的分布式算法的节点平均复杂度是$G$的节点$V$完成其计算并提交其输出的时间的平均值。我们研究了一些分布式对称破缺问题的节点平均复杂性,并提供了以下结果(除其他外):-随机节点平均复杂性计算的最大独立集(MIS)在$n$ -节点图的最大程度$Δ$是至少$Ω\big(\min\big\{\frac{\logΔ}{\log\logΔ},\sqrt{\frac{\log n}{\log\log n}}\big\}\big)$。这个界限是通过一个新的适应著名的KMW下界[JACM'16]。作为一个附带的结果,我们获得了相同的下界的最坏情况下的随机轮复杂性计算的MIS在树上-这基本上回答了开放的问题11.15在书中的Barenboim和埃尔金,并解决了复杂性的MIS树的$O(\sqrt{\log\log n})$的因素。我们还表明,$(2,2)$ -统治集,这是MIS的最小松弛,有$O(1)$随机节点平均复杂度。- 对于最大匹配,我们表明,而随机节点平均复杂度是$Ω\big(\min\big\{\frac{\logΔ}{\log\logΔ},\sqrt{\frac{\log n}{\log\log n}}\big\}\big)$,随机边缘平均复杂度是$O(1)$。进一步证明了最大匹配的确定性边平均复杂度为$O(\log^2Δ+ \log^* n)$,最大匹配的确定…
2022-08-17 cs.DC
Improved Distributed Lower Bounds for MIS and Bounded (Out-)Degree Dominating Sets in Trees
最近,Balliu,Brandt和Olivetti [FOCS '20]给出了树中最大独立集(MIS)问题的第一个$ω(\log^* n)$下界。在这项工作中,我们证明了一个更宽松的家庭分布对称性破缺问题的下限。作为一个副产品,我们得到了改进的下界的分布式MIS问题的树。对于一个参数$k$和一个图$G$的边的方向,如果$S$是$G$的一个控制集,并且在导出子图$G[S]$中,$S$中的每个节点最多有$k$的出度,我们称$G$的节点的子集$S$是$k$ -出度控制集.请注意,对于$k=0$,此定义与MIS的定义一致。对于给定的$k$,我们考虑计算一个$k$ -出度控制集的问题.我们表明,即使在最$Δ$度的正则树中,在标准\LOCAL模型中,也存在一个常数$ε>0$,使得对于$k\leq Δ^ε$,对于计算$k$ -outdegree支配集的问题,任何随机算法至少需要$Ω(\min\{\logΔ,\sqrt{\log\log n}\})$轮,任何确定性算法至少需要$Ω(\min\{\logΔ,\sqrt{\log n}\})$轮。我们的下界的证明是基于最近非常成功的轮消除技术。我们提供了一种新的方法来做轮消除,我们希望是独立的利益简化。我们的新证明比[FOCS '20]中的下界证明简单得多。特别是,我们的轮消证明使用了一系列只能用恒定数量的标签来描述的问题。[FOCS '20]的作者认…
2021-06-04 cs.DC
The Locality of Distributed Symmetry Breaking
对称破缺问题是分布式计算领域中研究得最多的问题之一,但关于其复杂性的最基本问题仍然是开放的。在本文中,我们的工作在网络模型(输入图和底层的分布式网络是相同的)和研究的随机复杂性的四个基本对称破缺问题的图:计算MIS(最大独立集),最大匹配,顶点着色,和规则集。我们的结果的一个小样本包括-MIS算法运行在$O(\log^2Δ+ 2^{O(\sqrt{\log\log n})})$的时间,其中$Δ$是最大程度。这是第一个MIS算法,以改善1986年的算法Luby和Alon,Babai,和Itai,当$\log n \ll Δ\ll 2^{\sqrt{\log n}}$,并接近$Ω(\log Δ)$下界的库恩,Mosicbroda,和Wattenhofer。- 在$O(\logΔ+ \log^4\log n)$时间内运行的最大匹配算法。这是对1986年Israeli和Itai算法的第一次重大改进。此外,它对$Δ$的依赖性可证明是最优的。- 将低荫度/退化图中的对称破缺问题降为低度图的一种方法。(粗略地说,图的荫度或退化度限制了任何子图的密度。这种减少的推论包括一个$O(\sqrt{\log n})$ -时间最大匹配算法的图形荫度高达$2^{\sqrt{\log n}}$和一个$O(\log^{2/3} n)$ -时间MIS算法的图形荫度高达$2^{(\log n)^{1/3}}$。我们的…
2015-02-24 cs.DC
MIS on the fly
人类非常善于为特定问题优化解决方案。另一方面,生物过程已经进化到可以处理多个受约束的分布式环境,因此它们是鲁棒的和适应性强的。受生物系统中观察结果的启发,我们最近提出了一个简单的新的随机分布式MIS算法\cite{ZScience}。在这里,我们通过删除我们所做的一些强假设来扩展这些结果,使算法更实用。具体来说,我们提出了一个$O(\log^2 n)$轮同步随机MIS算法,它只使用1位一元消息(碰撞检测的蜂鸣信号),允许异步唤醒,不承担任何知识的网络拓扑结构,并假设只有一个松散的网络大小的限制。我们还提出了一个扩展,没有碰撞检测,轮的复杂性增加到$(\log^3 n)$。最后,我们证明了我们的算法是最优的一些限制下,通过提出一个严格的下限的$Ω(\log^2 n)$的轮数需要构建一个MIS的限制模型。
2011-06-10 cs.DC
Super-Fast 3-Ruling Sets
图$G = (V, E)$的$t$ -规则集是一个独立的顶点子集$S \subseteq V$,它满足每个顶点$v \in V$与$S$中某个顶点的距离不超过$t$的性质. \textit{maximal independent set (MIS)}是1-规则集。在网络上计算MIS的问题是分布式算法中的一个基本问题,解决这个问题的最快算法是25年前由Luby(SICOMP 1986)和Alon等人(J. Algorithms 1986)提出的$O(\log n)$轮算法。从那时起,这个问题已经抵制了所有的努力,以产生一个子对数算法。最近在这个问题上取得了一些进展,最重要的是Barenboim等人提出了一种在具有$n$顶点和最大度$Δ$的图上的$O(\log Δ\cdot \sqrt{\log n})$ -轮算法(Barenboim,Elkin,Pettie,and Schneider,April 2012,arxiv 1202.1983; to appear FOCS 2012)。我们从一个不同的角度来处理MIS问题,并询问O(1)-规则集是否可以比MIS更有效地计算?作为这个问题的答案,我们展示了如何在$O((\log n)^{3/4})$轮中计算$n$ -顶点图的2-裁决集。我们还表明,上述结果可以改进的特殊类的图,如图与高围长,树,和图的有界荫度。我们的主要技术包括随机稀疏化…
2012-07-12 cs.DC