💻 computer science

Location-Aware Dispersion on Anonymous Graphs

यह शोध पत्र लोकेशन-अवेयर डिस्पर्शन (Location-Aware Dispersion) समस्या का परिचय और विश्लेषण प्रस्तुत करता है, जो क्लासिक डिस्पर्शन समस्या का एक सामान्यीकरण है जहाँ रोबोट्स को अनामित ग्राफ (anonymous graphs) में अपने विशिष्ट रंगों से मेल खाते नोड्स पर बसना होता है, और यह असंभवता के परिणामों के साथ-साथ गारंटीकृत समय और मेमोरी सीमाओं वाले नियतात्मक एल्गोरिदम (deterministic algorithms) प्रस्तुत करता है।

मूल लेखक: Himani, Supantha Pandit, Gokarna Sharma

प्रकाशित 2026-02-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Himani, Supantha Pandit, Gokarna Sharma

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक विशाल, अंधेरे भूलभुलैया की कल्पना करें जहाँ दीवारों और कमरों का कोई नाम, कोई संकेत या कोई नंबर नहीं है। यह एक "गुमनाम ग्राफ" (anonymous graph) है। अब, कल्पना करें कि आपके पास इस भूलभुलैया में बिखरे हुए रंग-कोडित रोबोटों की एक छोटी टीम है। उनका मिशन एक जगह पार्किंग ढूँढना है, लेकिन एक सख्त नियम है: एक लाल रोबोट केवल लाल कमरे में ही पार्क कर सकता है, नीला रोबोट नीले कमरे में, और इसी तरह। इसके अलावा, दो रोबोट कभी भी एक ही कमरे को साझा नहीं कर सकते।

यह लोकेशन-अवेयर डिस्पर्शन (Location-Aware Dispersion) समस्या है।

अतीत में, शोधकर्ताओं ने "डिस्पर्शन" (Dispersion) नामक एक सरल संस्करण का अध्ययन किया था, जहाँ रोबोटों को रंग की परवाह किए बिना बस कोई भी खाली कमरा ढूँढना होता था। लेकिन वास्तविक दुनिया में, कार्य विशिष्ट होते हैं। उदाहरण के लिए, एक शहर में विभिन्न इलेक्ट्रिक कार ब्रांडों के लिए अलग-अलग चार्जिंग स्टेशन हो सकते हैं। एक टेस्ला (Tesla) फोर्ड (Ford) स्टेशन पर प्लग नहीं कर सकता; उसे अपने विशिष्ट रंग से मेल खाने वाली जगह की आवश्यकता होती है। यह पेपर इस कठिन, अधिक वास्तविक चुनौती से निपटता है।

यहाँ बताया गया है कि कैसे यह पेपर सरल उपमाओं (analogies) का उपयोग करके समस्या और उनके द्वारा खोजे गए समाधानों को तोड़ता है:

बड़ी चुनौती: "आँखों पर पट्टी बंधी" भूलभुलैया

रोबोट एक तरह से "अंधे" हैं। वे नहीं जानते कि भूलभुलैया कितनी बड़ी है (कितने कमरे, $n$ ) या कितने रोबोट हैं ( $k$ )। वे केवल अपने ठीक बगल में खड़े अन्य रोबोटों से बात कर सकते हैं। उनके पास बहुत कम मेमोरी है, जैसे कि एक स्टिकी नोट (sticky note) जो केवल कुछ नंबर ही रख सकता है।

पेपर पूछता है: क्या ये रोबोट बिना रास्ता भटके, एक-दूसरे से टकराए बिना, या गलत रंग के कमरे में पहुँचे बिना, अपनी मंजिल तक पहुँचने का रास्ता खोज सकते हैं?

बुरी खबर: कभी-कभी, यह असंभव है

लेखकों ने पहले एक कड़वा सच साबित किया: यदि आपके पास केवल एक रोबोट है और आप नहीं जानते कि भूलभulैया कितनी बड़ी है, तो इस समस्या को हल करना असंभव है।

उपमा: कल्पना करें कि आप एक अंधेरे, अनंत होटल में अकेले हैं। आप नहीं जानते कि कितने फ्लोर हैं। आप इधर-उधर घूमते हैं, लेकिन आप कभी सुनिश्चित नहीं हो सकते कि आपने हर कमरा देख लिया है या आप बस गोल-गोल घूम रहे हैं। आप 100वें फ्लोर पर एक लाल कमरा मिस कर सकते हैं क्योंकि आपने बहुत जल्दी तलाश करना बंद कर दिया। भूलभुलैया के आकार को जाने बिना, एक अकेला रोबोट कभी भी सही जगह खोजने की गारंटी नहीं दे सकता।

अच्छी खबर: हम इसे हल कर सकते हैं (नियमों के साथ)

यदि आपके पास एक से अधिक रोबोट हैं, या यदि आप भूलभुलैया का आकार जानते हैं, तो पेपर काम पूरा करने के लिए "नुस्खे" (एल्गोरिदम) प्रदान करता है। वे समाधान को इस आधार पर विभाजित करते हैं कि रोबोट कहाँ से शुरू करते हैं:

1. "झुंड" से शुरुआत (Rooted Configuration)

परिदृश्य: सभी रोबोट एक ही कमरे में शुरू होते हैं।
रणनीति: वे एक टीम के साथ एक एकल खोजकर्ता (explorer) की तरह कार्य करते हैं।

समूह बनाने की ट्रिक: चूंकि वे पूरे मानचित्र को याद नहीं रख सकते, इसलिए वे भूलभुलैया को छोटे "पड़ोस" (neighborhoods/groups) में विभाजित करते हैं। प्रत्येक पड़ोस में एक रोबोट "गार्ड" या "लीडर" के रूप में कार्य करता है।
प्रक्रिया: टीम भूलभुलैया का पता लगाती है, और जैसे-जैसे वे आगे बढ़ते हैं, इन पड़ोसों का निर्माण करती है। एक बार जब उन्होंने पूरी संरचना का मानचित्र बना लिया होता है, तो वे वापस शुरुआत में इकट्ठा होते हैं, अपने नोट्स साझा करते हैं, और फिर अलग हो जाते हैं। प्रत्येक रोबोट जानता है कि उसका कौन सा "पड़ोस" (और उसके भीतर का कौन सा विशिष्ट कमरा) उसके रंग से मेल खाता है।
परिणाम: वे जटिल भूलभुलैया में भी टकराए बिना कुशलतापूर्वक फैल जाते हैं।

2. "बिखरी हुई" शुरुआत (Dispersed Configuration)

परिदृश्य: रोबोट पहले से ही फैले हुए हैं, एक कमरे में एक।
चुनौती: वे आपस में बात करने के लिए बहुत दूर हैं। एक अकेला रोबोट अकेले पूरी भूलभुलैया का पता नहीं लगा सकता (ऊपर दिए गए "असंभव" नियम को याद रखें)।
रणनीति: उन्हें पहले एक-दूसरे से "टकराना" (bump) होगा।

मिलने का नृत्य (Meeting Dance): पेपर एक चतुर "मीटिंग प्रोटोकॉल" का उपयोग करता है। रोबोट अपने आईडी नंबरों के आधार पर अपने कमरों के बीच इधर-उधर चलते हैं। यह एक नृत्य की तरह है जहाँ, अंततः, दो पड़ोसी एक ही कमरे में मिलने के लिए निश्चित रूप से मिलते हैं।
विलय (Merge): एक बार जब दो रोबोट मिलते हैं, तो वे एक टीम बनाते हैं। वे मिलकर भूलभुलैया का पता लगाना शुरू करते हैं। यदि वे किसी दूसरी टीम से मिलते हैं, तो वे एक बड़ी टीम में विलीन हो जाते हैं। अंततः, सभी रोबोट एक विशाल टीम बन जाते हैं जो भूलभुलैया का मानचित्र बनाती है और फिर सही ढंग से बिखर जाती है।

3. "मिश्रित" शुरुआत (General Configuration)

परिदृश्य: कुछ रोबोट अकेले हैं, कुछ समूहों में हैं।
रणनीति: यह उपरोक्त दोनों का मिश्रण है। पहले से बने समूह अन्वेषण शुरू करते हैं। अकेले रोबोट प्रतीक्षा करते हैं। जब एक समूह किसी अकेले रोबोट के पास से गुजरता है, तो वे उसे "गोद" (adopt) ले लेते हैं। पेपर यह सिद्ध करता है कि अंततः, सभी समूह एक विशाल टीम में विलीन हो जाएंगे, भूलभुलैया का मानचित्र बनाएंगे, और पहेली को हल करेंगे।

"अनुमान लगाने का खेल" (जब आप भूलभुलैया का आकार नहीं जानते)

क्या होगा यदि रोबोट नहीं जानते कि भूलभुलैया में कितने कमरे ( $n$ ) हैं?

रणनीति: वे "डबल या नथिंग" (Double or Nothing) का खेल खेलते हैं।
वे यह अनुमान लगाकर शुरू करते हैं कि भूलभुलैया छोटी है (जैसे, "यह रोबोटों की संख्या के बराबर है")। वे अन्वेषण करने का प्रयास करते हैं।
यदि वे फंस जाते हैं या उन्हें एहसास होता है कि उन्होंने कमरे छोड़ दिए हैं, तो वे जानते हैं कि उनका अनुमान बहुत छोटा था। वे वापस शुरुआत में जाते हैं, अपने अनुमान को दोगुना करते हैं (जैसे, "ठीक है, शायद यह दोगुना बड़ा है"), और फिर से प्रयास करते हैं।
क्योंकि वे हर बार आकार को दोगुना करते हैं, वे बहुत अधिक समय बर्बाद किए बिना जल्दी से सही आकार पा लेते हैं।

निचोड़ (The Bottom Line)

यह पेपर एक गुमनाम, मेमोरी-रहित दुनिया में रंग-कोडित रोबोटों की भीड़ को व्यवस्थित करने के लिए एक रोडमैप है।

यह सिद्ध करता है कि जबकि एक अकेला रोबोट मानचित्र का आकार जाने बिना असहाय है, एक टीम इस समस्या को हल कर सकती है।
यह विशिष्ट, चरण-दर-चरण निर्देश (एल्गोरिदम) प्रदान करता है विभिन्न शुरुआती स्थितियों के लिए।
यह इस बात पर जोर देता है कि भूलभुलैया का आकार जानना या शुरुआत में "झुंड" (huddle) होना काम को बहुत आसान और तेज़ बना देता है।

लेखक मूल रूप से कहते हैं: "हम जादू से रोबोटों को सही जगह नहीं पहुँचा सकते, लेकिन यदि हम उन्हें बात करने, चलने और समूह बनाने के लिए ये विशिष्ट नियम दे दें, तो वे खुद ही इसे सुलझा सकते हैं, यहाँ तक कि सबसे अंधेरी और सबसे भ्रमित करने वाली भूलभुलैया में भी।"

तकनीकी सारांश: अनाम ग्राफ़ पर स्थान-जागरूक प्रकीर्णन (Location-Aware Dispersion)

समस्या की परिभाषा

यह शोध पत्र वितरित रोबोटिक्स (distributed robotics) की क्लासिक प्रकीर्णन (Dispersion) समस्या का एक सामान्यीकरण, स्थान-जागरूक प्रकीर्णन (Location-Aware Dispersion) प्रस्तुत करता है। मानक प्रकीर्णन समस्या में, एक अनाम, जुड़े हुए, अनडिरेक्टेड ग्राफ़ $G=(V, E)$ पर $k \le n$ मोबाइल रोबोट स्वायत्त रूप से पुनर्वितरित होते हैं ताकि प्रत्येक रोबोट एक विशिष्ट नोड पर कब्जा कर सके।

स्थान-जागरूक प्रकीर्णन में, समस्या में रंग संबंधी बाधाओं (color constraints) को शामिल किया गया है। ग्राफ़ के नोड्स को रंगों के एक सेट $C = \{c_1, \dots, c_t\}$ से असाइन किया जाता है, और प्रत्येक रोबोट $r_i$ को भी एक विशिष्ट रंग सौंपा जाता है। इसका उद्देश्य रोबोटों को इस प्रकार पुनर्वितरित करना है कि:

प्रत्येक रोबोट एक विशिष्ट नोड पर कब्जा करे।
रोबोट का रंग उस नोड के रंग से मेल खाता हो जिसे वह अधिग्रहित कर रहा है ( $col(r_i) = col(v)$ )।

यह संस्करण उन परिदृश्यों का मॉडल करता है जहाँ रोबोटों को श्रेणी-विशिष्ट कार्यों या संसाधनों (जैसे इलेक्ट्रिक वाहनों का विशिष्ट चार्जिंग प्रदाताओं तक पहुँचना) के लिए असाइन किया जाना होता है। शोध पत्र नोट करता है कि जब $|C|=1$ होता है, तो यह समस्या मानक प्रकीर्णन में बदल जाती है। हालाँकि, मानक प्रकीर्णन के विपरीत, जो $n$ या $k$ के पूर्व ज्ञान के बिना भी किसी भी $k \le n$ के लिए हमेशा हल करने योग्य है, स्थान-जागरूक प्रकीर्णन अतिरिक्त चुनौतियाँ पेश करता है और कुछ विशिष्ट कॉन्फ़िगरेशन में, इसे हल करने में असंभव सिद्ध किया गया है।

मॉडल और धारणाएँ

ग्राफ़: अनाम, अनवेटेड, अनडिरेक्टेड, पोर्ट-लेबल वाला (किनारों के पास स्थानीय पोर्ट नंबर $[1, \delta_v]$ हैं), और मेमोरी-लेस नोड्स।
रोबोट: अद्वितीय ID वाले $k \le n$ मोबाइल रोबोट। वे सिंक्रोनस कम्युनिकेट-कंप्यूट-मूव (CCM) चक्रों में कार्य करते हैं।
संचार: स्थानीय (फेस-टू-फेस); एक ही नोड पर मौजूद रोबोट डेटा और ID का आदान-प्रदान कर सकते हैं।
प्रारंभिक कॉन्फ़िगरेशन:
- रूटेड (Rooted): सभी रोबोट एक ही स्रोत नोड से शुरू होते हैं।
- डिस्पर्स्ड (Dispersed): प्रत्येक नोड प्रारंभ में अधिकतम एक रोबोट रखता है।
- जनरल (General): मनमाना प्रारंभिक प्लेसमेंट।
ज्ञान परिदृश्य (Knowledge Scenarios): शोध पत्र इस आधार पर समाधान क्षमता का विश्लेषण करता है कि क्या रोबोटों को नोड्स की कुल संख्या ( $n$ ), रोबोटों की संख्या ( $k$ ), और प्रारंभिक कॉन्फ़िगरेशन के प्रकार का पूर्व ज्ञान है।

कार्यप्रणाली और एल्गोरिदम दृष्टिकोण

लेखक विभिन्न कॉन्फ़िगरेशन और ज्ञान सेटिंग्स के लिए अनुकूलित नियत एल्गोरिदम (deterministic algorithms) विकसित करते हैं। मुख्य तकनीकें शामिल हैं:

ग्रुप-आधारित DFS अन्वेषण: मेमोरी बाधाओं को दूर करने के लिए (क्योंकि रोबोट पूर्ण पथ संग्रहीत नहीं कर सकते), ग्राफ़ का अन्वेषण नोड्स के "समूहों" (groups) को बनाकर किया जाता है। एक नामित "गार्ड" (या लीडर) रोबोट कनेक्टिविटी जानकारी बनाए रखने के लिए एक समूह के भीतर दोलन (oscillate) करता है। समूहों का आकार (आवश्यक नोड्स $2c$ और $4c$ के बीच) मेमोरी दक्षता सुनिश्चित करने के लिए सीमित होता है।
तीन-चरण रणनीति (रूटेड, ज्ञात $n$ के लिए):
- चरण 1 (ग्राफ़ अन्वेषण): रोबोट समूहों को बनाने और "इंटर-ग्रुप किनारों" की पहचान करने के लिए DFS करते हैं, जिससे प्रभावी रूप से सुपरनोड्स का एक पेड़ (tree) बनता है।
- चरण 2 (कनेक्टिविटी एकत्र करना): रोबोट सुपरनोड ट्री की पूर्ण कनेक्टिविटी जानकारी एकत्र करने के लिए स्रोत पर एकत्रित होते हैं।
- चरण 3 (मेमोरी-कुशल प्रकीर्णन): एकत्र की गई टोपोलॉजी का उपयोग करते हुए, रोबोट रंग मिलान के आधार पर गंतव्य सुपरनोड्स की गणना करते हैं और दो चरणों में अपने लक्ष्यों की ओर बढ़ते हैं (गाइडिंग रोबोट्स को सुपरनोड्स तक ले जाना, फिर विशिष्ट नोड्स तक)।
पुनरावृत्ति अनुमान (अनजान $n$ के लिए): जब $n$ अज्ञात होता है, तो रोबोट $n=k$ मान लेते हैं और एक सीमित DFS करते हैं। यदि अन्वेषण विफल हो जाता है (अन-एक्सप्लोर्ड नोड्स शेष रहते हैं), तो वे बैकट्रैक करते हैं, $n$ के अनुमान को दोगुना करते हैं, और पुनः प्रयास करते हैं।
सबसमप्शन और मर्जिंग (जनरल/डिस्पर्स्ड कॉन्फ़िगरेशन के लिए):
- जनरल: कई DFS ट्रावर्सल अलग-अलग स्रोतों से शुरू होते हैं। जब ट्रावर्सल आपस में टकराते हैं, तो एक नियत सबसमप्शन नियम लागू होता है: वह ट्रावर्सल जिसमें अधिक स्थिर (settled) रोबोट हैं वह जीवित रहता है, और दूसरा उसे अवशोषित कर लिया जाता है।
- डिस्पर्स्ड: रोबोट आसन्न एजेंटों के लिए एक "मीटिंग प्रोटोकॉल" का उपयोग करते हैं ताकि बिखरी हुई स्थिति को जनरल स्थिति (जहाँ कम से कम एक नोड में कई रोबोट हों) में बदला जा सके, जिससे जनरल कॉन्फ़िगरेशन एल्गोरिदम का उपयोग किया जा सके।
गैदरिंग प्रोटोकॉल: डिस्पर्स्ड कॉन्फ़िगरेशन के लिए जहाँ $k < n$ है, शोध पत्र मौजूदा नियत गैदरिंग एल्गोरिदम (जैसे यूनिवर्सल एक्सप्लोरेशन सीक्वेंस) का लाभ उठाता है ताकि पहले रोबोटों को एक एकल नोड पर एकत्रित किया जा सके या एक जनरल कॉन्फ़िगरेशन बनाया जा सके।

प्रमुख परिणाम और जटिलता सीमाएँ

शोध पत्र एल्गोरिदम की व्यवहार्यता और मौलिक सीमाओं को स्थापित करता है। परिणाम शोध पत्र की तालिका 1 में संक्षेपित हैं।

असंभवता और निचली सीमाएँ (Impossibility and Lower Bounds)

असंभवता: एक अनाम ग्राफ़ पर एक अकेले रोबोट ( $k=1$ ) के लिए, अज्ञात $n$ के साथ, यह समस्या अनबाउंडेड मेमोरी के साथ भी हल करने योग्य नहीं है। रोबोट ग्राफ़ कॉन्फ़िगरेशन के बीच अंतर नहीं कर सकता है और अनंत लूप में फंस सकता है।
निचली सीमाएँ: किसी भी नियत एल्गोरिदम के लिए $\Omega(\min\{n^2/k, m\})$ राउंड और प्रति रोबोट $\Omega((n/k) \cdot \log k)$ बिट्स मेमोरी की आवश्यकता होती है। ये सीमाएँ मानक प्रकीर्णन की तुलना में काफी अधिक हैं।

समाधान योग्य मामले (Solvable Cases)

विशेष ग्राफ़ (ट्री, पाथ, रिंग): किसी भी प्रारंभिक कॉन्फ़िगरेशन के लिए $O(n)$ राउंड और प्रति रोबोट $O(\log(k+\Delta))$ मेमोरी के साथ हल करने योग्य।
रूटेड कॉन्फ़िगरेशन ( $k=n$ , ज्ञात $n$ ): $O(m)$ राउंड और $O(\log k)$ मेमोरी के साथ हल करने योग्य।
रूटेड कॉन्फ़िगरेशन ( $k \le n$ , ज्ञात $n$ ): $O((n/k) \cdot m)$ राउंड और $O((n/k) \cdot \log(k+\Delta))$ मेमोरी के साथ हल करने योग्य।
रूटेड कॉन्फ़िगरेशन ( $k \le n$ , अज्ञात $n$ ): $O(\log(n/k) \cdot (n/k) \cdot m)$ राउंड के साथ हल करने योग्य।
जनरल कॉन्फ़िगरेशन ( $k=n$ , ज्ञात $n, k$ ): $O((n/k) \cdot m)$ राउंड के साथ हल करने योग्य।
जनरल कॉन्फ़िगरेशन ( $k < n$ ):
- यदि एक स्रोत में $\ge 3$ रोबोट हैं: $O(\log(n/k) \cdot (n/k) \cdot m)$ राउंड, $O((n/k) \cdot \log(k+\Delta))$ मेमोरी।
- यदि सभी स्रोतों में ठीक 2 रोबोट हैं: हल करने योग्य लेकिन इसके लिए $O(n \cdot \log(k+\Delta))$ मेमोरी की आवश्यकता है (रोबोटों को पूर्ण ग्राफ़ ज्ञान संग्रहीत करना होगा)।
डिस्पर्स्ड कॉन्फ़िगरेशन ( $k=n$ , ज्ञात $n$ ): $O(\log k + (n/k) \cdot m)$ राउंड के साथ हल करने योग्य।
डिस्पर्स्ड कॉन्फ़िगरेशन ( $k < n$ , ज्ञात $n$ ): रोबोटों के बीच न्यूनतम दूरी $i$ पर निर्भर समय जटिलता के साथ हल करने योग्य: $i \in \{1,2\}$ के लिए $O(n^3 + (n/k)m)$ , $i \in \{3,4,5\}$ के लिए $O(n^i \log n + (n/k)m)$ , और अन्य के लिए $\tilde{O}(n^5)$ ।

अज्ञात प्रारंभिक कॉन्फ़िगरेशन

यदि प्रारंभिक कॉन्फ़िगरेशन अज्ञात है लेकिन $n$ ज्ञात है, तो इसे पहले एक रूटेड कॉन्फ़िगरेशन बनाने के लिए नियत गैदरिंग का उपयोग करके हल किया जा सकता है। यदि $n$ और कॉन्फ़िगरेशन प्रकार दोनों अज्ञात हैं, तो यह एक खुला मामला (open case) बना हुआ है।

महत्व और योगदान

शोध पत्र का दावा है कि यह अनाम नेटवर्क में स्थान-जागरूक प्रकीर्णन की एल्गोरिदम व्यवहार्यता को सामूहिक रूप से स्थापित करता है और साथ ही मानक प्रकीर्णन की तुलना में इसकी मौलिक सीमाओं को उजागर करता है।

नवीनता: यह प्रकीर्णन समस्या में रंग-मिलान बाधाओं (color-matching constraints) की अवधारणा को पेश करता है, यह प्रदर्शित करते हुए कि यह बाधा समस्या को कठिन बनाती है (उच्च निचली सीमाएँ, सिंगल-रोबोट/अनजान- $n$ मामलों में असंभवता)।
व्यवहार्यता: यह विभिन्न कॉन्फ़िगरेशन के लिए गारंटीकृत समय और मेमोरी सीमाओं के साथ पहले नियत एल्गोरिदम प्रदान करता है, जिसमें अज्ञात $n$ और जनरल प्रारंभिक प्लेसमेंट वाले चुनौतीपूर्ण मामले भी शामिल हैं।
समझौते (Trade-offs): यह कार्य समय, मेमोरी और पूर्व ज्ञान के बीच के समझौतों को स्पष्ट करता है। यह दिखाता है कि जबकि कई मामलों में कुशल समाधान मौजूद हैं, उन्हें प्राप्त करने के लिए अक्सर मानक प्रकीसेप्टन की तुलना में काफी अधिक मेमोरी या समय की आवश्यकता होती है, या विशिष्ट संरचनात्मक धारणाओं (जैसे मल्टी-रोबोट स्रोत की उपस्थिति) पर निर्भर रहना पड़ता है।
खुले प्रश्न: शोध पत्र स्पष्ट रूप से खुले मामलों की पहचान करता है, विशेष रूप से $k$ के ज्ञान के बिना अज्ञात प्रारंभिक कॉन्फ़िगरेशन के संबंध में, और भविष्य की दिशाओं का सुझाव देता है जैसे कि जटिलता सीमाओं को निचली सीमाओं के करीब लाना या रैंडमाइज्ड/फॉल्ट-टॉलोरेंट सेटिंग्स का अन्वेषण करना।