Skip to content

多方通信复杂度

Multiparty communication complexity · Multi-party communication model

把两方私有输入扩展到 k 位参与者,并区分 number-in-hand、number-on-forehead 与通信拓扑。

参与者、输入与信道

多方问题由函数

f:X1××XkZ

和输入可见性规则共同给出。协议还要固定通信拓扑:blackboard 模型中每条消息对所有人可见;message-passing 模型按点对点边发送;coordinator 模型让玩家只与中心通信。相同输入分割在三种拓扑下可有不同总成本。

通信通常按所有实际发送 bit 的总和计,也可研究最大单玩家负载、轮数或每条链路拥塞。玩家数 k 可能是常数,也可能随输入规模增长;把 k 隐藏进 O() 会丢掉多方问题最重要的参数之一。

协议还要指定谁输出以及终止条件。Blackboard transcript 可让所有玩家读出公开叶标签;coordinator-only 输出则可能省去把答案广播回各节点的成本。

若玩家可中途掉线或输入异步到达,那会加入容错与调度语义,不属于标准多方通信定义。这里默认参与者集合和发言顺序按协议共同已知。

随机性需声明为全局 public coin、各玩家 private coins,还是部分共享。错误量词仍是先固定完整输入元组,再对协议随机性取概率。

Number-in-hand

在 number-in-hand(NIH)模型中,玩家 i 只看到自己的块 xi。这是两方私有输入的直接推广:没有通信时,每人都不知道其他 k1 份数据。

例如 k 位玩家各持一个 bit xi,要公开输出 parity x1xk。Blackboard 上让前 k1 位依次写出自己的 bit,最后一位写出总 parity,共 k bit;若只让最后一位本地输出,可省最后回传 bit。

输入只有一 bit 不让总通信变成常数独立于 k。每位玩家的 bit 都可能翻转答案,协议必须让其影响穿过通信拓扑。

Number-on-forehead

在 number-on-forehead(NOF)模型中,输入仍分成 x1,,xk,但玩家 i 看见除 xi 外的所有块。名字描绘自己的输入写在额头上,只有本人看不见。玩家拥有大量重叠信息,能力通常强于 NIH。

对三 bit parity,玩家 1 看到 (x2,x3),可写 x2x3;玩家 2 看到 x1,再写 x1。所有人由两 bit blackboard transcript 得到总 parity。相比 NIH 的三 bit 协议,可见性重叠省掉一条消息。

这只是执行图像,不证明每个 NOF 问题都严格更容易。两种模型甚至没有逐问题简单包含关系,除非明确输入如何重新编码;下界必须针对正确的视野集合证明。

多方 Set Disjointness

在 NIH 版本中,每位玩家持有 Si[n],常见目标判断

i=1kSi=.

朴素 blackboard 协议让每位玩家写出 n-bit 特征向量,再本地求逐位 AND,总通信 kn bit。稀疏集合可发送元素列表,但成本变成 O(i|Si|logn),并非无条件更小。

另一些文献把“集合不交”定义为任意两个集合都不相交,或让宇宙元素按玩家分块;这些任务的 yes/no 结构不同。引用多方 Disjointness 下界前,必须写清是共同交集为空还是 pairwise disjoint。

与两方归约

k 位玩家分成两组,并让每组内部免费共享输入,可把多方协议压成两方协议,从而继承某些下界。但分组会改变各方可见信息和每轮哪些消息跨 cut;只有跨组 bit 才成为两方通信。

反方向把两方输入复制给许多玩家,可能产生额外共享信息,不能默认保持困难。有效归约需要逐玩家列出视野,并证明模拟不让任何一方看到原模型中不可见的数据。

失败边界

Blackboard 的一 bit 被所有人同时看见,点对点网络中向 k1 人广播可能要发送多份。以“写一次”计费的上界不能原样搬到 message-passing 总通信。

轮数也会改变能力。Simultaneous 模型每位玩家只向 referee 发一次消息,多方交互则允许根据早期消息协调;二者都叫 multiparty,却不能共用未注明轮数的复杂度。

最后,NOF 玩家看见“其他全部输入”不等于有一个中央 referee 看见全部输入。每个玩家仍缺一块,不同缺口如何交叠正是模型结构。

参考资料
  • László Babai, Noam Nisan, and Mario Szegedy, “Multiparty Protocols, Pseudorandom Generators for Logspace, and Time-Space Trade-Offs,” Journal of Computer and System Sciences 45(2), 1992, pp. 204–232.
  • Eyal Kushilevitz and Noam Nisan, Communication Complexity, Cambridge University Press, 1997, Chapter 6.
  • David P. Woodruff and Qin Zhang, “When Distributed Computation Is Communication Expensive,” Distributed Computing 30, 2017, pp. 309–323.