Algorithmen für Ad-hoc- und Sensornetze

Ähnliche Dokumente
Algorithmen für Ad-hoc- und Sensornetze

Algorithmen II Vorlesung am

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Algorithmen für Ad-hoc- und Sensornetze

CSMA mit Kollisionsdetektion: CSMA/CD

Übungen zu Rechnerkommunikation Wintersemester 2010/2011 Übung 8

Der Backoff-Algorithmus

Computeranwendung in der Chemie Informatik für Chemiker(innen) 4. Netzwerke

Rechnernetze 2. Grundlagen

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Streaming Data: Das Modell

RFID Media Access. Roland Schneider. Betreuer: Christian Flörkemeier. SS 2003 RFID Media Access 1

4.4.1 Statisches perfektes Hashing. des Bildbereichs {0, 1,..., n 1} der Hashfunktionen und S U, S = m n, eine Menge von Schlüsseln.

WS 2009/10. Diskrete Strukturen

Lokalisierung von inneren und äußeren Grenzen in Sensornetzwerken

echtzeitfähige Ethernet-Netzwerke

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg

Übung zur Vorlesung Berechenbarkeit und Komplexität

Algorithmen II Vorlesung am

Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen

Klausur Algorithmen und Datenstrukturen

Algorithmen für Peer-to-Peer-Netzwerke Sommersemester Vorlesung

Algorithmen für Ad-hoc- und Sensornetze Nachtrag zu VL 06 Doubling Dimensions

Clustering (hierarchische Algorithmen)

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.

3: Zahlentheorie / Primzahlen

Seminar über aktuelle Forschungsthemen in der Algorithmik, Dozent Prof. Dr. Alt;

Vorlesung 4 BETWEENNESS CENTRALITY

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen

Algorithmen für Ad-hoc- und Sensornetze

Kombinatorische Optimierung

7. Triangulation von einfachen Polygonen

Grundkurs Computernetzwerke

Uberblick 1. Kurzeste Wege 2. Sichtbarkeitsgraphen 3. Berechnung des Sichtbarkeitsgraphen 4. Kurzeste Wege fur polygonale Roboter 1

Algorithmische Methoden für schwere Optimierungsprobleme

Peer-to-Peer- Netzwerke

14. Rot-Schwarz-Bäume

Algorithmische Methoden zur Netzwerkanalyse Vorlesung 7, Henning Meyerhenke

Was bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone

Kapitel 3: Untere Schranken für algorithmische Probleme Gliederung

Definition. Gnutella. Gnutella. Kriterien für P2P-Netzwerke. Gnutella = +

Zugriffsverfahren CSMA/CD CSMA/CA

Dienstgüte in Mobilen Ad Hoc Netzen

Näherungsalgorithmen (Approximationsalgorithmen) WiSe 2006/07 in Trier. Henning Fernau Universität Trier

Algorithmische Methoden zur Netzwerkanalyse

Übungen zu Rechnerkommunikation

Diskrete Wahrscheinlichkeitstheorie - Probeklausur

Zeichnen von Graphen. graph drawing

Abgabe: (vor der Vorlesung) Aufgabe 2.1 (P) O-Notation Beweisen Sie die folgenden Aussagen für positive Funktionen f und g:

Diskrete Strukturen Kapitel 1: Einleitung

Theoretische Informatik 1

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

Geometrische Algorithmen

Universität des Saarlandes

S=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J

Sicherheit von hybrider Verschlüsselung

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen

Organic Computing: Peer-to-Peer-Netzwerke

Maximale s t-flüsse in Planaren Graphen

Algorithmen und Datenstrukturen

Wiederholung zu Flüssen

Beispielbild. Georouting. Jakob Pfender Institut für Informatik

Ein einfaches Modell zur Fehlerfortpflanzung

Probabilistische Primzahltests

Architektur verteilter Anwendungen

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete

23. November Betweenness Centrality Closeness Centrality. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108

2. Übungsblatt zu Algorithmen II im WS 2016/2017

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

3. Kombinatorik und Wahrscheinlichkeit

Minimal spannende Bäume

Sicherer MAC für Nachrichten beliebiger Länge


Wireless Local Area Network

Christian Schulz und Johannes Singler

9. Übung Algorithmen I

Algorithmen für Sensornetzwerke (Seminar WS09/10)

Kapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2013/14. Prof. Dr. Sándor Fekete

Fortgeschrittene Routenplanung. Transportnetzen. Advanced Route Planning in Transportation Networks

16. All Pairs Shortest Path (ASPS)

Alexander Kiontke Routing Protokolle

Traveling Salesman Problem (TSP)

Zeitsynchronisation in drahtlosen Sensornetzen Verfahren und Anwendungen

Lösungsvorschläge Blatt Z1

Satz 16 (Multiplikationssatz)

4. Kreis- und Wegeprobleme Abstände in Graphen

Kapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete

Theorie und Praxis geometrischer Algorithmen

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.

Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2016

Übung zur Vorlesung Algorithmische Geometrie

Undirected Single-Source Shortest Paths with Positive Integer Weights in Linear Time

Routing Algorithmen. Begriffe, Definitionen

Algorithmen und Datenstrukturen

Ein RSA verwandtes, randomisiertes Public Key Kryptosystem

Kap. 4.4: B-Bäume Kap. 4.5: Dictionaries in der Praxis

Algorithmik Funke/Bahrdt/Krumpe/Mendel/Seybold SS Übungsblatt 4

Grundlegende Eigenschaften von Punktschätzern

Transkript:

Algorithmen für Ad-hoc- und Sensornetze Übung 6 Kommunikation und Färbungen im SINR Modell (basierend auf VL11) Fabian Fuchs 17. Jan. 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu

Motivation Interferenzmodell bisher: kein Knoten kann gleichzeitig an zwei Übertragungen teilnehmen benachbarte Knoten können nicht gleichzeitig übertragen/empfangen Realität für Drahtloskommunikation ist komplexer! Globale Interferenz kann Übertragungen verhindern Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (2/24)

Wiederholung: SINR SINR-Modell, allgemein Im Signal-to-Interference-plus-Noise-Ratio Modell kann ein Empfänger r eine Nachricht eines Senders s dekodieren, wenn P/ dist(s, r) α s s P/ dist(s, r) α + N β P: Signalstärke, mit der s sendet dist(s, r) α : geometrischer Leistungsabfall zwischen s und r SINR-Modell ist sehr viel realistischer, aber gleichzeitig viel komplexer zu analysieren. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (3/24)

Wiederholung: SINR SINR-Modell, allgemein Im Signal-to-Interference-plus-Noise-Ratio Modell kann ein Empfänger r eine Nachricht eines Senders s dekodieren, wenn P/ dist(s, r) α s s P/ dist(s, r) α + N β P: Signalstärke, mit der s sendet dist(s, r) α : geometrischer Leistungsabfall zwischen s und r SINR-Modell ist sehr viel realistischer, aber gleichzeitig viel komplexer zu analysieren. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (4/24)

Wahrscheinlichkeitstheorie Sei n die Anzahl an Knoten im Netzwerk. Definition: mit hoher Wahrscheinlichkeit Ein Ereignis geschieht mit hoher Wahrscheinlichkeit, wenn die Wahrscheinlichkeit dafür mindestens (1 1 n ) ist. Damit ist die Fehlerwahrscheinlichkeit < 1 n Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (5/24)

Wahrscheinlichkeitstheorie Sei n die Anzahl an Knoten im Netzwerk. Definition: mit hoher Wahrscheinlichkeit Ein Ereignis geschieht mit hoher Wahrscheinlichkeit, wenn die Wahrscheinlichkeit dafür mindestens (1 1 n ) ist. Damit ist die Fehlerwahrscheinlichkeit < 1 n Satz (o.b.) Tritt ein Ereignis in jeder Runde mit konstanter Wahrscheinlichkeit 1 c ein, ist die Wahrscheinlichkeit das es nach c log e n Runden einmal eingetreten ist mindestens 1 1 n. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (5/24)

Wahrscheinlichkeitstheorie Sei n die Anzahl an Knoten im Netzwerk. Definition: mit hoher Wahrscheinlichkeit Ein Ereignis geschieht mit hoher Wahrscheinlichkeit, wenn die Wahrscheinlichkeit dafür mindestens (1 1 n ) ist. Damit ist die Fehlerwahrscheinlichkeit < 1 n Satz (o.b.) Tritt ein Ereignis in jeder Runde mit konstanter Wahrscheinlichkeit 1 c ein, ist die Wahrscheinlichkeit das es nach c log e n Runden einmal eingetreten ist mindestens 1 1 n. Idee: Eintrittswahrscheinlichkeit ist mindestens 1 (1 1 c ) c log e n log 1 (1 e n )c log e n (1) c log e n 1 e log e n = 1 1/n FehlerWS (1) gilt da (1 + t x )x e t ) Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (5/24)

Local Broadcasting Grundlegende Fragestellung: Wann soll welcher Knoten senden? Local Broadcasting Problem Jeder Knoten im Netzwerk sendet eine Nachricht an seine Nachbarn Knoten innerhalb der Sendereichweite müssen erreicht werden Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (6/24)

Local Broadcasting Grundlegende Fragestellung: Wann soll welcher Knoten senden? Local Broadcasting Problem Jeder Knoten im Netzwerk sendet eine Nachricht an seine Nachbarn Knoten innerhalb der Sendereichweite müssen erreicht werden Im Beispiel: Nacheinander ( Ω(n) Zeitslots) In Praxis: Möglichst viele Knoten gleichzeitig Ziel: Minimiere Laufzeit Local Broadcasting kann in O( log n) Zeit erreicht werden! Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (6/24)

Local Broadcasting Algorithmus Local Broadcasting Jeder Knoten kennt n und Maximalgrad 1 Sende in jedem Zeitslot mit Wahrscheinlichkeit 1/O( ) Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (7/24)

Local Broadcasting Algorithmus Local Broadcasting Jeder Knoten kennt n und Maximalgrad 1 Sende in jedem Zeitslot mit Wahrscheinlichkeit 1/O( ) Satz Nach O( log n) Zeitslots hatte jeder Knoten mit hoher Wahrscheinlichkeit (> 1 1/n) Erfolg. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (7/24)

Local Broadcasting Algorithmus Satz Nach O( log n) Zeitslots hatte jeder Knoten mit hoher Wahrscheinlichkeit (> 1 1/n) Erfolg. Beweisskizze (vereinfacht): Schritt 1: Lokaler Erfolg - Mit konstanter Wahrscheinlichkeit (WS ) sendet kein Knoten in der Nähe Sendereichweite R k R v Nähe Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (8/24)

Local Broadcasting Algorithmus Satz Nach O( log n) Zeitslots hatte jeder Knoten mit hoher Wahrscheinlichkeit (> 1 1/n) Erfolg. Beweisskizze (vereinfacht): Schritt 1: Lokaler Erfolg - Mit konstanter Wahrscheinlichkeit (WS ) sendet kein Knoten in der Nähe Schritt 2: Globaler Erfolg - Interferenz von außerhalb ist mit konstanter Wahrscheinlichkeit klein Sendereichweite R k R v Nähe Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (8/24)

Local Broadcasting Algorithmus Satz Nach O( log n) Zeitslots hatte jeder Knoten mit hoher Wahrscheinlichkeit (> 1 1/n) Erfolg. Beweisskizze (vereinfacht): Schritt 1: Lokaler Erfolg - Mit konstanter Wahrscheinlichkeit (WS ) sendet kein Knoten in der Nähe Schritt 2: Globaler Erfolg - Interferenz von außerhalb ist mit konstanter Wahrscheinlichkeit klein Insgesamt: Je O( ) Zeitslots: Konstante Erfolgswahrscheinlichkeit Sendereichweite R k R v Nähe Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (8/24)

Local Broadcasting Algorithmus Satz Nach O( log n) Zeitslots hatte jeder Knoten mit hoher Wahrscheinlichkeit (> 1 1/n) Erfolg. Beweisskizze (vereinfacht): Schritt 1: Lokaler Erfolg - Mit konstanter Wahrscheinlichkeit (WS ) sendet kein Knoten in der Nähe Schritt 2: Globaler Erfolg - Interferenz von außerhalb ist mit konstanter Wahrscheinlichkeit klein Insgesamt: Je O( ) Zeitslots: Konstante Erfolgswahrscheinlichkeit O( log n) Zeitslots: Erfolg mit hoher Wahrscheinlichkeit Sendereichweite R k R v Nähe Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (8/24)

Local Broadcasting Local Broadcasting Varianten (ohne Beweis) 1 Nach O( log n) Zeitslots hatte jeder Knoten mit hoher Wahrscheinlichkeit (WS ) Erfolg. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (9/24)

Local Broadcasting Local Broadcasting Varianten (ohne Beweis) 1 Nach O( log n) Zeitslots hatte jeder Knoten mit hoher Wahrscheinlichkeit (WS ) Erfolg. 2 Nach O( ) Zeitslots hatte jeder Knoten mit konstanter Wahrscheinlichkeit (WS ) Erfolg. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (9/24)

Local Broadcasting Local Broadcasting Varianten (ohne Beweis) 1 Nach O( log n) Zeitslots hatte jeder Knoten mit hoher Wahrscheinlichkeit (WS ) Erfolg. 2 Nach O( ) Zeitslots hatte jeder Knoten mit konstanter Wahrscheinlichkeit (WS ) Erfolg. 3 Eine unabhängige Menge an Knoten hat (mittels erhöhter Sendewahrscheinlichkeit) nach O(log n) Zeitslots mit hoher Wahrscheinlichkeit (WS ) Erfolg. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (9/24)

Erinnerung: TDMA - koordinierter Medienzugriff Übertragungen bekommen Slots in Zeitraster zugewiesen Time Division Multiple Access (TDMA) Übertragungen sind gleichzeitig möglich, wenn sie weit genug auseinander liegen Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (10/24)

Erinnerung: TDMA - koordinierter Medienzugriff Übertragungen bekommen Slots in Zeitraster zugewiesen Time Division Multiple Access (TDMA) Übertragungen sind gleichzeitig möglich, wenn sie weit genug auseinander liegen Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (10/24)

Erinnerung: TDMA - koordinierter Medienzugriff Übertragungen bekommen Slots in Zeitraster zugewiesen Time Division Multiple Access (TDMA) Übertragungen sind gleichzeitig möglich, wenn sie weit genug auseinander liegen Jetzt: Knotenfärbung soll TDMA-Schedule für Local Broadcasts berechnen Im geometrischen SINR Modell ist k-distanz Färbung notwendig (k-hop Färbung nicht ausreichend) Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (10/24)

Berechnung Local Broadcasting Schedule Ablauf Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (11/24)

Berechnung Local Broadcasting Schedule Ablauf 1 Berechnung einer 1-Hop Knotenfärbung 2 Algorithmen: RandColor und ColorReduction Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (11/24)

Berechnung Local Broadcasting Schedule Ablauf 1 Berechnung einer 1-Hop Knotenfärbung 2 Algorithmen: RandColor und ColorReduction 2 Techniken um die valid Färbung auf Distanz-k auszuweiten 3 Techniken: Sendeleistung, Position, Steinerknoten Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (11/24)

Erinnerung: Knotenfärbung Definition Eine Knotenfärbung eines Graphen G = (V, E) ist eine Abbildung c : V N so, dass für jede Kante die beiden Endpunkte unterschiedliche Farben haben, also {u, v} E c(u) c(v) Eine Färbung c hat die Größe c = max v V c(v) Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (12/24)

Färbung 1: RandColor RandColor Algorithmus 1 Wähle zufällig eine Farbe aus {1,..., 4 } 2 In jeder Runde Wird ein Konflikt festgestellt, wähle neue zufällige Farbe aus {1,..., 4 } Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (13/24)

Färbung 1: RandColor RandColor Algorithmus 1 Wähle zufällig eine Farbe aus {1,..., 4 } 2 In jeder Runde Wird ein Konflikt festgestellt, wähle neue zufällige Farbe aus {1,..., 4 } Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (13/24)

Färbung 1: RandColor RandColor Algorithmus 1 Wähle zufällig eine Farbe aus {1,..., 4 } 2 In jeder Runde Wird ein Konflikt festgestellt, wähle neue zufällige Farbe aus {1,..., 4 } Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (13/24)

Färbung 1: RandColor RandColor Algorithmus 1 Wähle zufällig eine Farbe aus {1,..., 4 } 2 In jeder Runde Wird ein Konflikt festgestellt, wähle neue zufällige Farbe aus {1,..., 4 } Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (13/24)

Färbung 1: RandColor RandColor Algorithmus 1 Wähle zufällig eine Farbe aus {1,..., 4 } 2 In jeder Runde Wird ein Konflikt festgestellt, wähle neue zufällige Farbe aus {1,..., 4 } Satz A Ohne Interferenz: RandColor berechnet in O(log n) eine 4 -Knotenfärbung Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (13/24)

Färbung 1: RandColor Satz B RandColor berechnet eine 4 -Knotenfärbung in O( log n) Zeitslots im SINR Modell Beweisidee: Wird Local Broadcasting für die Runden genutzt, folgt aus Satz A direkt eine Laufzeit von O( log 2 n) (klar?) Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (14/24)

Färbung 1: RandColor Satz B RandColor berechnet eine 4 -Knotenfärbung in O( log n) Zeitslots im SINR Modell Beweisidee: Wird Local Broadcasting für die Runden genutzt, folgt aus Satz A direkt eine Laufzeit von O( log 2 n) (klar?) Wir nutzen Local Broadcasting Variante 2 für jede Runde Local Broadcasting (V2): Local Broadcast in O( ) Zeit mit konstanter Erfolgswahrscheinlichkeit Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (14/24)

Färbung 1: RandColor Satz B RandColor berechnet eine 4 -Knotenfärbung in O( log n) Zeitslots im SINR Modell Beweisidee: Wird Local Broadcasting für die Runden genutzt, folgt aus Satz A direkt eine Laufzeit von O( log 2 n) (klar?) Wir nutzen Local Broadcasting Variante 2 für jede Runde Local Broadcasting (V2): Local Broadcast in O( ) Zeit mit konstanter Erfolgswahrscheinlichkeit Wahrscheinlichkeiten im probabilistischen Algorithmus und der Kommunikation können gemeinsam betrachtet werden Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (14/24)

Färbung 1: RandColor Satz B RandColor berechnet eine 4 -Knotenfärbung in O( log n) Zeitslots im SINR Modell Beweisidee: Wird Local Broadcasting für die Runden genutzt, folgt aus Satz A direkt eine Laufzeit von O( log 2 n) (klar?) Wir nutzen Local Broadcasting Variante 2 für jede Runde Local Broadcasting (V2): Local Broadcast in O( ) Zeit mit konstanter Erfolgswahrscheinlichkeit Wahrscheinlichkeiten im probabilistischen Algorithmus und der Kommunikation können gemeinsam betrachtet werden Erneut: Konstante Erfolgswahrscheinlichkeit pro Runde (je O( ) Slots) Insgesamt: O( log n) Zeitslots Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (14/24)

Färbung 2: ColorReduction (Triviale) ColorReduction 1 Beginne mit d = O( ) Farben 2 In Runde i, die Knoten mit Farbe i sind aktiv wählen eine neue Farbe aus {1,..., + 1} 3 Valide Färbung nach d = O( ) Runden Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (15/24)

Färbung 2: ColorReduction (Triviale) ColorReduction 1 Beginne mit d = O( ) Farben 2 In Runde i, die Knoten mit Farbe i sind aktiv wählen eine neue Farbe aus {1,..., + 1} 3 Valide Färbung nach d = O( ) Runden Satz Der triviale ColorReduction Algorithm berechnet eine ( + 1)-Färbung in O( log n) Zeitslots bei synchronem Start Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (15/24)

Färbung 2: ColorReduction (Triviale) ColorReduction 1 Beginne mit d = O( ) Farben 2 In Runde i, die Knoten mit Farbe i sind aktiv wählen eine neue Farbe aus {1,..., + 1} 3 Valide Färbung nach d = O( ) Runden Satz Der triviale ColorReduction Algorithm berechnet eine ( + 1)-Färbung in O( log n) Zeitslots bei synchronem Start Beweisidee: Aktive Knoten sind unabhängig O(log n) je Runde mittels Local Broadcast, Variante 3 Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (15/24)

Färbung 2: ColorReduction (Triviale) ColorReduction 1 Beginne mit d = O( ) Farben 2 In Runde i, die Knoten mit Farbe i sind aktiv wählen eine neue Farbe aus {1,..., + 1} 3 Valide Färbung nach d = O( ) Runden Satz Der triviale ColorReduction Algorithm berechnet eine ( + 1)-Färbung in O( log n) Zeitslots bei synchronem Start Beweisidee: Aktive Knoten sind unabhängig O(log n) je Runde mittels Local Broadcast, Variante 3 Geht das auch ohne synchronen Start? Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (15/24)

Färbung 2: ColorReduction Idee: 2-schichtiges MIS zur Koordination der aktiven Farbe(n) v Level 1 MIS Knoten Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (16/24)

Färbung 2: ColorReduction Idee: 2-schichtiges MIS zur Koordination der aktiven Farbe(n) v v Level 1 MIS Knoten Restliche Knoten wählen MIS Knoten und beantragen Aktivitätsintervall Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (16/24)

Färbung 2: ColorReduction Idee: 2-schichtiges MIS zur Koordination der aktiven Farbe(n) v v v Level 1 MIS Knoten Restliche Knoten wählen MIS Knoten und beantragen Aktivitätsintervall MIS Knoten bestimmen aktive Farbe. Aktive Knoten nehmen an (schnellem) Level 2 MIS teil Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (16/24)

Färbung 2: ColorReduction Idee: 2-schichtiges MIS zur Koordination der aktiven Farbe(n) v v v Level 1 MIS Knoten Restliche Knoten wählen MIS Knoten und beantragen Aktivitätsintervall MIS Knoten bestimmen aktive Farbe. Aktive Knoten nehmen an (schnellem) Level 2 MIS teil Satz (ohne Beweis) Der ColorReduction Algorithm berechnet eine ( + 1)-Färbung in O( log n) Zeitslots bei asynchronem Start Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (16/24)

Zwischenstand: Local Broadcasting Schedule Ablauf 1 Berechnung einer 1-Hop Knotenfärbung 2 Algorithmen: RandColor und ColorReduction Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (17/24)

Zwischenstand: Local Broadcasting Schedule Ablauf 1 Berechnung einer 1-Hop Knotenfärbung 2 Algorithmen: RandColor und ColorReduction 2 Techniken um die valid Färbung auf Distanz-k auszuweiten 3 Techniken: Sendeleistung, Position, Steinerknoten Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (17/24)

Local Broadcasting Schedule Satz Ein kollisionsfreier Local Broadcasting Schedule kann mittels Knotenfärbung und Knotenpositionen berechnet werden. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (18/24)

Local Broadcasting Schedule Satz Ein kollisionsfreier Local Broadcasting Schedule kann mittels Knotenfärbung und Knotenpositionen berechnet werden. Knotenposition erlaubt Einteilung in Grid Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (18/24)

Local Broadcasting Schedule Satz Ein kollisionsfreier Local Broadcasting Schedule kann mittels Knotenfärbung und Knotenpositionen berechnet werden. Knotenposition erlaubt Einteilung in Grid Pro Zelle nur ein Knoten je Farbe Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (18/24)

Local Broadcasting Schedule Satz Ein kollisionsfreier Local Broadcasting Schedule kann mittels Knotenfärbung und Knotenpositionen berechnet werden. Knotenposition erlaubt Einteilung in Grid Pro Zelle nur ein Knoten je Farbe Basierend auf Knotenposition kann eine weitere Färbung berechnet werden δ δ Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (18/24)

Local Broadcasting Schedule Satz Ein kollisionsfreier Local Broadcasting Schedule kann mittels Knotenfärbung und Knotenpositionen berechnet werden. Knotenposition erlaubt Einteilung in Grid Pro Zelle nur ein Knoten je Farbe Basierend auf Knotenposition kann eine weitere Färbung berechnet werden δ δ Damit ergibt sich um δ 2 O(1) längerer Schedule Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (18/24)

Local Broadcasting Schedule Satz Ein kollisionsfreier Local Broadcasting Schedule kann mittels Knotenfärbung und Knotenpositionen berechnet werden. Knotenposition erlaubt Einteilung in Grid Pro Zelle nur ein Knoten je Farbe Basierend auf Knotenposition kann eine weitere Färbung berechnet werden Max. 8i weitere Sender pro Ring Kein weiterer Sender Damit ergibt sich um δ 2 O(1) längerer Schedule In diesem Schedule ist jede Übertragung ohne Kollision Keine Knoten in der Nähe senden Die Interferenz der gleichzeitig sendenden Knoten ist klein genug Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (18/24)

Local Broadcasting Schedule Weitere Techniken mit ähnlicher Idee: Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch Erhöhung der Sendeleistung während der Knotenfärbung berechnet werden. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (19/24)

Local Broadcasting Schedule Weitere Techniken mit ähnlicher Idee: Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch Erhöhung der Sendeleistung während der Knotenfärbung berechnet werden. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (19/24)

Local Broadcasting Schedule Weitere Techniken mit ähnlicher Idee: Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch Erhöhung der Sendeleistung während der Knotenfärbung berechnet werden. Durch Erhöhung der Sendereichweite ist Berechnung der Distanz-k Färbung direkt möglich Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (19/24)

Local Broadcasting Schedule Weitere Techniken mit ähnlicher Idee: Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch Erhöhung der Sendeleistung während der Knotenfärbung berechnet werden. Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch mittels zusätzlichem Einfügen von O(k) Steinerknoten pro Knoten und einer k Hop Knotenfärbung erreicht werden. Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (19/24)

Local Broadcasting Schedule Weitere Techniken mit ähnlicher Idee: Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch Erhöhung der Sendeleistung während der Knotenfärbung berechnet werden. Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch mittels zusätzlichem Einfügen von O(k) Steinerknoten pro Knoten und einer k Hop Knotenfärbung erreicht werden. Problem: k-hop Knotenfärbung erreicht nicht alle Knoten in Distanz k R Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (19/24)

Local Broadcasting Schedule Weitere Techniken mit ähnlicher Idee: Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch Erhöhung der Sendeleistung während der Knotenfärbung berechnet werden. Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch mittels zusätzlichem Einfügen von O(k) Steinerknoten pro Knoten und einer k Hop Knotenfärbung erreicht werden. Problem: k-hop Knotenfärbung erreicht nicht alle Knoten in Distanz k R Füge O(nk) Steinerknoten hinzu Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (19/24)

Local Broadcasting Schedule Weitere Techniken mit ähnlicher Idee: Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch Erhöhung der Sendeleistung während der Knotenfärbung berechnet werden. Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch mittels zusätzlichem Einfügen von O(k) Steinerknoten pro Knoten und einer k Hop Knotenfärbung erreicht werden. Problem: k-hop Knotenfärbung erreicht nicht alle Knoten in Distanz k R Füge O(nk) Steinerknoten hinzu Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (19/24)

Local Broadcasting Schedule Weitere Techniken mit ähnlicher Idee: Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch Erhöhung der Sendeleistung während der Knotenfärbung berechnet werden. Satz Ein kollisionsfreier Local Broadcasting Schedule kann durch mittels zusätzlichem Einfügen von O(k) Steinerknoten pro Knoten und einer k Hop Knotenfärbung erreicht werden. (Eigentlich: Steinerknoten für jeden Knoten) Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (19/24) Problem: k-hop Knotenfärbung erreicht nicht alle Knoten in Distanz k R Füge O(nk) Steinerknoten hinzu Jetzt erreicht k-hop Knotenfärbung alle nötigen Knoten

Zum Mitnehmen Kommunikation im SINR Modell Standard Local Broadcasting & Varianten Koordinierter Medienzugriff Local Broadcasting Schedule bzw. TDMA-Schedule Knotenfärbung: RandColor und ColorReduction im SINR Modell Kombiniert mit Positionsinformation, Sendeleistungs-tuning oder zusätzlichen Steinerknoten: kollisionsfreier Local Broadcasting Schedule Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (20/24)

Übung Jetzt: Übung Local Broadcasting RandColor Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (21/24)

Local Broadcasting Local Broadcasting Jeder Knoten kennt n und Knotengrad 1 Sende in jedem Zeitslot mit Wahrscheinlichkeit 1/O( ) Fragestellungen: Wie groß sollte Sendewahrscheinlichkeit wirklich sein? 1/O( ) = 1 für welches c? c Wie lange dauert es bis alle Knoten erfolgreich waren? Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (22/24)

RandColor RandColor Algorithmus 1 Verwende Sendewahrscheinlichkeit von Local Broadcasting 2 Wähle zufällig eine Farbe aus {1,..., 4 } 3 In jeder Runde Wird ein Konflikt festgestellt, wähle neue zufällige Farbe aus {1,..., 4 } Fragestellungen: Wie lange sollte eine Runde sein? Wie lange dauert es bis alle Knoten erfolgreich waren? Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (23/24)

Literatur 1 O. Goussevskaia, T. Moscibroda, R. Wattenhofer: Local broadcasting in the physical interference model. In: DIALM-POMC 08 2 C. Avin, Y. Emek, E. Kantor, Z. Lotker, D. Peleg, L. Roditty : SINR Diagrams: Towards Algorithmically Usable SINR Models of Wireless Networks, In: PODC 09 3 F. Fuchs, R. Prutkin: Simple Distributed + 1 Coloring in the SINR Model. In: SIROCCO 15 4 F. Fuchs, D. Wagner: On Local Broadcasting Schedules and CONGEST Algorithms in the SINR Modell. In: ALGOSENSORS 13 5 L. Barenboim: Nearly Optimal Local Broadcasting in the SINR Model with Feedback. In: SIROCCO 15 6 B. Derbel, E. Talbi: Distributed Node Coloring in the SINR Model. In: ICDCS 10 Übung 6 Kommunikation und Färbungen im SINR Modell, (basierend auf VL11) (24/24)