We study the problem of randomized Leader Election in synchronous distributed networks with indistinguishable nodes. We consider algorithms that work on networks of arbitrary topology in two settings, depending on whether the size of the network, i.e., the number of nodes, is known or not. In the former setting, we present a new Leader Election protocol that improves over previous work by lowering message complexity and making it close to a lower bound by a factor of $\tilde{O}(\sqrt{t_{mix}\sqrt{\Phi}})$, where $\Phi$ is the conductance and $t_{mix}$ is the mixing time of the network graph. We then show that lacking the network size no Leader Election algorithm can guarantee that the election is final with constant probability, even with unbounded communication. Hence, we further classify the problem as Irrevocable Leader Election (the classic one, requiring knowledge of n - as is our first protocol) or Revocable Leader Election, and present a new polynomial time and message complexity Revocable Leader Election algorithm in the setting without knowledge of network size. We analyze time and message complexity of our protocols in the Congest model of communication.


翻译:我们在一个同步分布的网络中研究领袖选举问题。 我们考虑两种情况下任意地形学网络使用的算法, 取决于网络的规模, 即节点的数量是否为已知。 在前一种情况下, 我们提出一个新的领袖选举协议, 其通过降低信息复杂性, 并使它接近于较低的受$tilde{O}( sqrt{t ⁇ mix ⁇ sqrt}/Phi ⁇ ) 因素约束的低点, $\ phi$ 是网络图的导演和 $t ⁇ mix} 混合时间。 我们然后表明, 缺少网络规模, 即节点的数量, 任何领袖选举算法都不能保证选举是最终的, 即使是无限制的通信。 因此, 我们进一步将问题归类为不可撤销的领袖选举( 典型的, 需要了解n- 和我们的第一个协议) 或可重新定位的领袖选举, 并展示一个新的多度时间和信息 复杂度的领袖选举模式 。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
将门创投
12+阅读 · 2018年6月25日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年3月10日
Arxiv
0+阅读 · 2021年3月8日
VIP会员
相关VIP内容
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
将门创投
12+阅读 · 2018年6月25日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员