arXiv cs/05070342005-07-14cs.DCcs.NI

Papillon：环上的贪婪路由

Papillon: Greedy Routing in Rings

Ittai Abraham, Dahlia Malkhi, Gurmeet Singh Manku

摘要：

我们研究了环中$n$节点上的{ \sc greedy}路由问题，其中两个节点之间的\emph{distance}定义为沿环的顺时针方向或它们之间的绝对距离.这样的图出现在社交网络建模的上下文中以及对等系统的路由网络中。我们构建了第一个网络的$n$节点，其中{ \sc贪婪}路由需要$O(\log n / \log d)$跳在最坏的情况下，与$d$每个节点的出站链路。我们的结果有第一个渐近最优的贪婪路由复杂度。以前的构造需要$O(\frac{\log^2 n}{d})$跳。

英文摘要：

We study {\sc greedy} routing over $n$ nodes placed in a ring, with the \emph{distance} between two nodes defined to be the clockwise or the absolute distance between them along the ring. Such graphs arise in the context of modeling social networks and in routing networks for peer-to-peer systems. We construct the first network over $n$ nodes in which {\sc greedy} routing takes $O(\log n / \log d)$ hops in the worst-case, with $d$ out-going links per node. Our result has the first asymptotically optimal greedy routing complexity. Previous constructions required $O(\frac{\log^2 n}{d})$ hops.

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

基于对称签名的AES和MD5散列对“贪婪周界无状态路由”协议安全性的贡献

A Contribution to Secure the Routing Protocol "Greedy Perimeter Stateless Routing" Using a Symmetric Signature-Based AES and MD5 Hash

这项工作提出了一个贡献，以确保路由协议GPSR（贪婪周长无状态路由）的车辆ad hoc网络，我们研究可能的攻击GPSR和安全解决方案提出了不同的研究小组工作的ad hoc网络安全。然后，我们提出了一种解决方案，以确保GPSR数据包通过添加一个数字签名的基础上使用AES算法和MD5哈希函数更适合于移动环境生成的对称密码。

2011-10-07cs.DCcs.NI

多跳无线网络中的对齐-协调地理路由

The Aligned-Coordinated Geographical Routing for Multihop Wireless Networks

地理路由协议具有无状态、低开销和分布式等特点，近年来引起了广泛的研究兴趣。由于地理路由会面临空洞问题，导致补充路由，如周边路由，降低了地理路由的性能，大多数的研究工作都集中在优化地理路由的这一补充部分，以改善它。贪婪转发部分的地理路由提供了一个最佳的路由性能方面的路径拉伸。如果地理路由能够更好地适应贪婪转发，其性能将比优化周边路由等补充路由有更大的提高。我们的工作是第一次这样做。对齐的物理坐标用于进行贪婪转发路由决策，这将导致更多贪婪转发。我们评估我们的设计，大多数地理路由协议，显示它有很大的帮助，并保持地理路由的无状态性质。

2006-08-16cs.DCcs.NI

鲁棒分组转发：一种基于强化学习的在高斯互联网络中路由方法

Resilient Packet Forwarding: A Reinforcement Learning Approach to Routing in Gaussian Interconnected Networks with Clustered Faults

Kuwait University（科威特大学）

本文提出了一种基于强化学习的鲁棒路由方法，用于高斯互联网络中应对节点故障问题，实验表明其在故障密度和网络负载下的表现优于传统方法。

2025-12-23cs.DC

深度强化学习用于Eisenstein-Jacobi互连拓扑中的故障自适应路由

Deep Reinforcement Learning for Fault-Adaptive Routing in Eisenstein-Jacobi Interconnection Topologies

High Performance Computing Lab, Computer Science Department, Kuwait University（科威特大学计算机科学系高性能计算实验室）

本文提出基于强化学习的自适应路由方法，在故障EJ网络中实现94%的有效可达性和91%的包交付率，优于Dijkstra算法并具备高吞吐量。

2026-01-28cs.AIcs.DC

基于多目标Q学习的物联网网络动态分布式路由

Dynamic and Distributed Routing in IoT Networks based on Multi-Objective Q-Learning

Department of Computer and Systems Sciences, Stockholm University（计算机与系统科学系，斯德哥尔摩大学）

本文提出了一种动态分布式多目标Q学习路由算法，通过并行学习多个Q表和贪婪插值策略，实现对物联网网络中动态优先事项的高效适应，显著降低能耗并提高奖励和数据包交付率。

2026-02-06cs.AIcs.DCcs.LG

一致小世界环的最优度分布

Optimal Degree Distributions for Uniform Small World Rings

受Kleinberg（2000）和后续工作的启发，我们考虑了在有向环上增加长距离接触的$n$节点的贪婪路由性能。在该模型中，每个节点$u$被给予额外的$D_u$边，从指定的概率分布中选择的度。来自$u$的每个这样的边被链接到环中前面距离$r$处的随机节点，其概率与$1/r$成比例，$1/r$是接触的“调和”距离分布。Aspnes等人（2002）已经示出了在每个节点被精确地分配$\ell$联系的情况下贪婪路由的期望长度的$O(\log^2 n / \ell)$界限，并且作为Dietzfelbinger和Woelfel（2009）的最近工作的结果，已知该界限是紧的。本文推广了Aspnes的上界，证明了任何具有平均$\ell$和最大值$O(\log n)$的度分布都有期望长度为$O(\log^2n / \ell)$的贪婪路，这意味着这个族中的任何调和环都是渐近最优的.此外，对于更一般的环族，我们证明了固定的度分布是最优的。更准确地说，如果每个随机接触被选择在距离$r$的概率随着$r$而减小，那么在具有平均$\ell$的度分布中，当每个节点被分配$\floor{\ell}$或$\ceiling{\ell}$接触时，贪婪路由时间最小。

2010-08-03cs.DC

更多相关论文收起更多论文

分组网络中的源路由与调度

Source Routing and Scheduling in Packet Networks

本文研究了分组交换网络中的{ \em路由}和{ \em调度}。我们假设一个对手，控制注入时间，源和目的地为每个数据包注入。如果网络中没有链路过载，则这些分组的路径集合是{ \em可接受的}。我们提出了第一个在线路由算法，发现一组可接受的路径，只要这是可行的。我们的算法计算每个数据包的路径，只要它被注入在其源使用一个简单的最短路径计算。链路的长度反映了其当前的拥塞情况。我们还展示了我们的算法可以实现在今天的互联网路由模式。当路径已知时（由对手给出或如上所述计算），我们的目标是沿着给定的路径调度数据包，以便数据包经历小的端到端延迟。确定性和分布式调度协议的最佳延迟边界是指数的路径长度。在本文中，我们提出了第一个确定性和分布式调度协议，保证多项式的端到端的延迟为每个数据包。最后，我们讨论了路由与调度相结合的效果。我们首先表明，无论路径如何选择，一些不稳定的调度协议仍然不稳定。然而，选择道路的自由可以产生影响。例如，我们表明，一个环的并行链路是稳定的所有贪婪的调度协议，如果路径选择智能，而不是这种情况下，如果对手指定的路径。

2002-03-28cs.DCcs.NI

路由限制速率对抗业务的缓冲区大小

Buffer Size for Routing Limited-Rate Adversarial Traffic

我们认为轻微的变化的对抗排队论模型，其中一个对手注入数据包的路由到网络中受到以下约束：对于任何链路$e$，在任何时间窗口$[t,t')$和其路由包含$e$的数据包注入的总数，是最多$ρ(t'-t)+σ$，其中$ρ$和$σ$是非负参数。非正式地说，$ρ$限制了注入的长期速率，而$σ$限制了注入的“突发性”：$σ=0$意味着注入尽可能平稳。众所周知，分组的贪婪调度（在这种情况下，如果有任何分组准备好通过链路发送，则链路不空闲）可能会导致即使在$n$线路网络上也会出现$Ω(n)$缓冲区大小和非常平滑的注入（$σ=0$）。在本文中，我们提出了一个简单的非贪婪的调度策略，并表明，在一个树中，所有的数据包都在根的目的地，没有缓冲区需要大于$σ+2ρ$，以确保没有溢出发生，这是在我们的模型中的最佳。我们的算法的规则是，只有当它的下一个缓冲区是完全空的数据包转发。该策略是集中的：在单步的中，一长串的“训练”包可以一起前进。我们表明，在某种意义上，中央协调是必需的，通过提出一个注入模式与$σ=0$的$n$节点线，结果在缓冲区中的$Ω(n)$数据包，如果使用本地控制，即使是更复杂的“下坡”算法，转发一个数据包，只有当它的下一个缓冲区是小于其当前的占用。

2017-07-12cs.DC

社交网络中基于类别的路由研究

Remarks on Category-Based Routing in Social Networks

众所周知，个人可以通过社交网络在短路径上路由消息，仅给出关于目标的简单信息并且仅使用关于拓扑的本地知识。社会学家推测，人们通过将消息传递给与目标有更多共同点的熟人来找到更好的路线，例如，如果萨尔布吕肯的牙医想向慕尼黑的某个律师发送消息，他可能会将其转发给律师和/或住在慕尼黑的人。Eppstein等人对这种设置进行建模，引入了基于类别的路由的概念。我们的目标是为图中的每个节点分配一组类别，从而使贪婪路由成为可能。通过证明一个节点所处的类别数量的界限，我们可以讨论底层社会学模型的可解释性。在本文中，我们大大提高了Eppstein等人提出的上界，并证明了新的下界。

2012-08-14cs.DCcs.DMcs.SI

DPRQ：一种用于分布式量子计算中集体通信的基于动态规划的量子比特路由算法

DPRQ: A Dynamic Programming-based Qubit Routing Algorithm for Collective Communication in Distributed Quantum Computing

North Carolina State University（北卡罗来纳州立大学）

针对分布式量子计算节点间通信的瓶颈问题，提出基于动态规划的DPRQ量子比特路由算法，经实验验证其相较QuComm可显著减少节点间通信量。

2026-09-09cs.DCquant-ph

增强局部感知的小世界网络近优路由算法

Near Optimal Routing for Small-World Networks with Augmented Local Awareness

为了研究小世界网络的路由问题，Kleinberg提出了一个基于$d$维格的网络模型，该格中的长距离链路是根据$d$ -调和分布随机选择的。Kleinberg证明了仅使用本地信息的贪婪路由算法在$O(\log^2 n)$期望跳数中执行，其中$n$表示网络中的节点数。Martel和Nguyen发现Kleinberg的小世界网络的预期直径是$Θ(\log n)$。因此，一个问题自然出现了：我们是否可以改进路由算法，以匹配网络的直径，同时保持每个节点上存储的信息量尽可能小？我们扩展了Kleinberg的模型，并为每个节点增加了三个增强的本地链接：其中两个连接到随机选择的节点，均匀的$\log^2 n$的Mahattan距离，第三个连接到随机选择的节点，均匀的$\log n$ Mahattan距离。我们发现，如果每个节点都知道$O(\log n)$通过增强本地链路的邻居数，有两个不经意和不经意的算法，可以路由消息之间的任何一对节点在$O(\log n \log \log n)$预期的跳数，这是一个接近最优的路由复杂性和优于其他相关结果在Kleinberg的小世界网络路由。我们的计划只保留$O(\log^2 n)$比特的路由信息在每个节点上，因此，他们是可扩展的网络规模。除了为社交网络的研究增添新的亮点外，我们的结果也可能在大规模分布式网络的设计中找到应用，例如对等系统，同样的交响乐精神。

2005-11-30cs.DCcs.DMcs.DS

利用距离预测导航小世界网络

Navigating Small-World Networks with Distance Predictions

Augusta University（奥古斯塔大学）

本研究提出预测贪婪路由，利用带噪声的距离预测加速小世界网络中的去中心化消息传递，分别实现有坐标感知时的$O(\log n)$期望投递时间和无坐标感知时的$O(n)$期望投递时间，均优于Kleinberg经典$O(\log^2 n)$界限。

2026-09-11cs.DCcs.DS