A Robust Asynchronous Newton Method for Massive Scale Computing Systems
志愿者计算网格以相对较低的服务器运行成本提供超级计算级别的计算能力。在以前的工作中，作者已经表明，它是可以采取传统的迭代进化算法，并执行他们的志愿者计算网格异步执行。异步实现极大地提高了可伸缩性，并减少了收敛到解决方案所需的时间。迭代和异步优化算法实现集群和超级计算机上使用MPI，和BOINC志愿者计算网格已打包在一起的通用分布式优化（FGDO）的框架。本文提出了一种新的扩展FGDO的异步牛顿法（ANM）的局部优化。ANM对异构、故障和不可靠的计算节点具有弹性，并且具有极高的可扩展性。初步结果表明，它可以收敛到局部最优显着快于共轭梯度下降。
2016-12-30 cs.DC
Move and Time Optimal Arbitrary Pattern Formation by Asynchronous Robots on Infinite Grid
\textsc{Arbitrary Pattern Formation}（\textsc{Apf}）算法是群机器人分布式计算中一种被广泛研究的算法。这个问题要求设计一个分布式算法，允许一组相同的，自主的移动机器人，以形成任何任意的模式作为输入。本文认为机器人在二维无限网格上运行。机器人最初定位在不同的网格点上，形成不对称配置（没有两个机器人具有相同的快照）。它们在完全异步的调度器下运行，并且不能访问全局坐标系，但是它们将沿着网格线对齐其局部坐标系的轴。以前的工作处理\textsc{Apf}问题解决了它在$O(\mathcal{D}^2k)$机器人运动在类似的条件下，其中$\mathcal{D}$是最小的正方形，可以包含初始和目标配置的一面，$k$是机器人的数量。令$\mathcal{D}'=\max\{\mathcal{D},k\}$。本文给出了无限网格上的\textsc{Apf}的两种算法。第一个算法使用$O(\mathcal{D}')$渐近移动最优来解决\textsc{Apf}问题。第二个算法解决了\textsc{Apf}问题的$O(\mathcal{D}')$时代，我们证明是渐近最优的。
2022-05-27 cs.DC
Terminating grid exploration with myopic luminous robots
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。
2021-02-11 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
An asynchronous incomplete block LU preconditioner for computational fluid dynamics on unstructured grids
我们提出了一个研究的有效性异步不完全LU分解预条件的时间隐式解决方案的可压缩流问题，同时利用线程并行计算节点内。提出了一种适用于非结构网格上可压缩Navier-斯托克斯方程有限体积离散的异步细粒度并行预处理子的块变体，并将收敛性理论推广到新变体.实验（数值）结果的无粘和粘性层流二维稳态测试情况下，这些预处理器的性能报告。它被发现，对于这些可压缩流问题，块变体执行更好的收敛性，并行可扩展性和可靠性方面比原来的标量异步ILU预条件。对于粘性流动，发现未知量的排序可能决定异步块ILU预处理的成功或失败，并提出了一种适合于求解粘性问题的网格单元排序。
2020-10-04 cs.DC cs.NA math.NA
Arbitrary Pattern Formation by Opaque Fat Robots with Lights
任意模式形成是自主机器人系统中的一个广泛研究的问题。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，以形成任何任意的模式作为输入。大多数现有的文献研究这个问题的机器人与通畅的能见度。在最近的一些作品中，这个问题已经被研究的障碍可见性模型，其中的机器人的视图可以被其他机器人的存在阻碍。然而，在这些作品中，机器人已被建模为平面上的无量纲点。在本文中，我们已经考虑了在更现实的设置中的机器人有一个物理范围的问题。特别是，机器人被建模为不透明的圆盘。此外，机器人在完全异步的调度器下运行。它们不能访问任何全局坐标系，但可以就一个坐标轴的方向和方向达成一致。每个机器人都配备了外部可见光，可以呈现恒定数量的预定义颜色。在这种情况下，我们已经给出了一个完整的表征的初始配置，从任何任意图案可以形成一个确定性的分布式算法。
2019-10-07 cs.DC
Uniform Partitioning of a Bounded Region using Opaque ASYNC Luminous Mobile Robots
本文首次在异步设置下研究使用无记忆不透明发光机器人对有界矩形、正方形和圆形区域进行均匀划分的问题，分别提出需要2种、5种和8种颜色且运行时间为O(N)或O(N^2)个epoch的三种算法。
2024-05-01 cs.DC
Asynchronous Indulgent Gathering of Opaque Robots
University of Wroclaw, Poland（波兰沃克劳大学）；Indian Institute of Technology Guwahati, India（印度古瓦哈提理工学院）；Kent State University, USA（美国肯特州立大学）
本文研究了异步不透明机器人在移动故障模型下的聚集问题，证明了2色灯无解并给出最优的3色灯方案，同时针对未知参数的(N,f)-系统提出了两种具备时间-颜色权衡且最优的确定性算法。
2026-10-16 cs.DC cs.MA cs.RO
Computational Power of Opaque Robots
本研究针对机器人群分布式计算领域此前仅研究透明机器人的局限，针对不可碰撞的不透明机器人研究12种经典模型的分类，通过6个见证问题证明大部分模型间的计算关系，并揭示视野受阻加异步场景下的特殊问题。
2024-01-30 cs.DC
Complete Visibility Algorithm for Autonomous Mobile Luminous Robots under an Asynchronous Scheduler on Grid Plane
Nagoya Institute of Technology（名古屋工业大学）；Hosei University（法政大学）
针对无限网格平面上不透明发光机器人的完全可见性问题，提出一种仅用两种颜色、支持异步运行且无需知晓机器人总数的分布式算法，明确了机器人能力与问题可解性的关联。
2023-06-14 cs.DC cs.RO
Optimal grid exploration by asynchronous oblivious robots
VERIMAG（VERIMAG实验室）；Université Joseph Fourier（约瑟夫·傅里叶大学）；MIS（MIS实验室）；Université de Picardie Jules Verne（皮卡第儒勒·凡尔纳大学）；LIP6（LIP6实验室）；UPMC Sorbonne Universités（巴黎第六大学索邦大学）
我们考虑一个团队的{ \em自主弱机器人}，具有可见性传感器和运动执行器。自治意味着团队不能依赖任何类型的中央协调机制或调度器。弱我们的意思是机器人没有（1）任何（可观察的）ID允许区分它们（匿名），（2）通信手段允许它们直接通信，以及（3）任何方式来记住任何先前的观察或在任何先前步骤中执行的计算（遗忘）。机器人异步运行在三个阶段的循环中：查看，计算和移动。此外，网络是一个匿名的无定向网格。在这样的设置中，机器人必须合作解决集体任务，这里是终止网格探索（简称探索），尽管在环境输入、不对称性、记忆等方面受到限制。我们提出了最优的（w.r.t.机器人的数量）解决方案，用于在完全异步和非原子模型（所谓的CORDA）中由一组$k$异步遗忘机器人对网格形网络的确定性终止探索。更详细地说，我们首先假设ATOM模型，其中每个查找-计算-移动周期执行都是原子执行的，即在时刻t激活的每个机器人都在t和t+1之间瞬时执行一个完整的周期。ATOM严格地强于CORDA，所有在ATOM中不可能的结果在CORDA中也成立。我们表明，这是不可能的，以探索一个网格至少有三个节点，少于三个机器人在原子。(This第一个结果对于确定性和概率性设置都成立）。接下来，我们表明，这是不可能确定性地探索一个（2，2）-网格少于4个机器人，和一个（3，3）-网格少于5个机器人，分别。然后，我们提出了确定性的算法在CORDA展示…
2012-03-07 cs.DC cs.DM cs.NI
Optimal Uniform Circle Formation by Asynchronous Luminous Robots
针对异步发光不透明机器人的 UCF 问题，本文提出首个 O(1) 时间、O(1) 颜色且无碰撞的确定性算法，并最小化计算性 SEC。
2024-05-10 cs.DC
Optimal Gathering over Weber Meeting Nodes in Infinite Grid
在会议节点上聚集问题要求机器人在预定义的会议节点之一聚集。本文研究的问题，相对于目标函数，最大限度地减少了所有的机器人的移动总数。换句话说，在完成收集任务的同时，所有机器人行进的距离之和最小化。机器人被部署在一个匿名的二维无限网格的节点上，该网格具有标记为会议节点的节点子集。机器人不同意一个全球坐标系统和异步调度下运行。提出了一种确定性的分布式算法来求解所有这些可解的配置的问题，和初始配置的问题是不可解的特征。建议的收集算法是最佳的相对于所有的机器人，以完成收集的移动的总数。
2022-06-15 cs.DC
Gathering over Meeting Nodes in Infinite Grid
本文研究无限网格中机器人在预定义会议节点上的聚集问题，刻画了不可解配置，提出确定性分布式算法，并推导了移动次数下界。
2022-09-02 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
Oblivious Robots Performing Different Tasks on Grid Without Knowing their Team Members
本文针对异步无限网格上不知晓队友身份的静默遗忘型机器人，提出一种基于弱多重性检测的分布式算法，使其能同时完成会聚与任意模式形成两项不同任务。
2024-08-27 cs.DC
Infinite Grid Exploration by Disoriented Robots
University of Strasbourg（斯特拉斯堡大学）；University Clermont Auvergne（克莱蒙奥弗涅大学）
我们处理一组在无限网格上移动的自主机器人。这些机器人是不透明的，具有有限的可见性功能，并使用同步的Look-Compute-Move循环运行。他们都同意一个共同的手性，但没有全球指南针。最后，他们可能会使用不同颜色的灯光，但除此之外，机器人既没有持久的记忆，也没有沟通手段。我们考虑无限网格探索（IGE）问题。对于这个问题，我们给出了两个不可能的结果和三个算法，其中包括一个是最佳的机器人数量。更详细地说，我们首先表明，两个机器人是不够的，在我们的设置来解决这个问题，即使机器人有一个共同的坐标系。然后，我们表明，如果机器人的坐标系不是自洽的，三个或四个机器人是不足以解决这个问题。最后，我们提出了三种算法，解决IGE问题，在各种设置。第一种算法使用六个机器人，颜色不变，可见度范围为1。第二种方法使用最少数量的机器人，即，五个，以及五个可修改的颜色，仍然在可见度之下。最后一个算法需要7个不经意的匿名机器人，但假设可见性为2。注意，最后两个算法也满足实现排他性。
2019-07-02 cs.DC cs.RO
Space and Move-optimal Arbitrary Pattern Formation on Infinite Rectangular Grid by Oblivious Robot Swarm
针对无限矩形网格上的离散任意模式形成问题，提出一种在完全异步调度下适用于无记忆$\mathcal{OBLOT}$模型的算法，证明其渐近移动最优且空间复杂度接近最优下界。
2024-03-27 cs.DC
When Robots Crash: Optimal Asynchronous Gathering at Weber Meeting Nodes
Indian Institute of Technology Jodhpur（印度海德拉巴理工学院）；Birla Institute of Technology Mesra（比尔拉理工学院梅斯拉分校）
针对异步匿名无记忆机器人在崩溃故障下的最优聚集问题，提出CrashTolerantWeberGathering算法，使每个机器人独立选择同一韦伯会议节点，避免依赖指定机器人，保证有限时间内聚集并最小化总曼哈顿距离。
2026-10-07 cs.CG cs.DC cs.MA
FeDiSa: A Semi-asynchronous Federated Learning Framework for Power System Fault and Cyberattack Discrimination
Deakin University（迪肯大学）；Latrobe University（乐卓博大学）
随着智能电网领域对安全和隐私问题的日益关注，近年来，关键能源基础设施的入侵检测已成为一个高度优先事项。为了解决隐私保护和分散的权力区与战略数据所有者的挑战，联邦学习（FL）作为一种可行的隐私保护替代方案，它可以在不需要共享原始数据的情况下协同训练攻击检测模型。为了解决与传统同步FL相关的一些技术挑战，本文提出了FeDiSa，一种新型的半异步联邦学习框架，用于电力系统故障和网络攻击识别，该框架考虑了通信延迟和掉队者。具体而言，我们提出了一种由监督控制和数据采集子系统对深度自动编码器进行协作训练的方法，这些子系统将其本地模型更新上传到控制中心，然后基于缓冲系统和预设的截止时间对新的全局模型参数执行半异步模型聚合。使用公开的工业控制系统数据集对所提出的框架进行的实验显示出优越的攻击检测准确性，同时保持数据机密性并最大限度地减少通信延迟和掉队者的不利影响。此外，我们看到训练时间提高了35%，从而验证了我们提出的方法的鲁棒性。
2023-03-28 cs.CR cs.DC cs.LG
Space and Move-optimal Arbitrary Pattern Formation on a Rectangular Grid by Robot Swarms
Jadavpur University（贾达普大学）
针对无限网格下任意模式形成算法空间占用大的问题，提出采用三色发光机器人的确定性算法，实现空间最小且渐近移动最优，可适配有限网格。
2023-08-28 cs.DC cs.RO
A Scalable Byzantine Grid
现代网络聚集了越来越多的节点。然而，它仍然难以增加每个节点的通道的数量，因此，网络的最大程度可能是有界的。这通常是网格拓扑网络中的情况，其中每个节点最多有四个邻居。在本文中，我们解决了以下问题：如果每个节点都有可能以不可预测的方式失败，我们如何才能保持一些全局的可靠性保证时，节点的数量不断增加的无界？更具体地说，我们考虑的问题或可靠地广播信息的异步网格在拜占庭故障的存在-也就是说，一些节点可能有一个任意的和潜在的恶意行为。我们的要求是，一个恒定的比例正确的节点仍然能够实现可靠的通信。现有的解决方案只能容忍一个固定数量的拜占庭故障，如果他们采用最坏情况下的布局方案。此外，如果我们假设一个恒定的拜占庭比率（每个节点有相同的概率是拜占庭），有一个致命的位置的概率接近1时，节点的数量增加，可靠性保证崩溃。在本文中，我们提出了第一个广播协议，克服了这些困难。首先，可以容忍的拜占庭故障的数量（如果它们采用最坏情况放置）现在随着节点数量的增加而增加。其次，我们能够容忍一个恒定的拜占庭比率，无论网格有多大。换句话说，网格变得可扩展。这一结果在超大型网络中具有重要的安全应用，其中每个节点都有给定的行为不端概率。
2012-10-17 cs.CR cs.DC cs.NI
The Surplus Parking Gathering Problem in Infinite Grids
Indian Institute of Technology Jodhpur（印度理工学院焦普尔分校）；Birla Institute of Technology Mesra（米尔拉比特学院）
研究无限网格上机器人的剩余停车聚集问题，针对自主、匿名等特性的机器人，在异步模型下，先确定可解性必要条件，再给出确定性分布式算法，分析其移动复杂度，得到上界和最坏情况下界。
2026-07-08 cs.DC math.LO
Computational Power of Mobile Robots in Synchronous Environment: Discrete Version
本文研究了移动机器人在离散网络环境下的计算能力，针对四种机器人模型与两种同步调度器的组合，提供了完整的计算能力比较表，填补了离散域研究的空白。
2024-07-24 cs.DC
