[論文レビュー] A New Heuristic Synchronizing Algorithm

Jakub Kowalski, Marek Szykuła|arXiv (Cornell University)|Aug 8, 2013

semigroups and automata theory参考文献 14被引用数 3

ひとこと要約

本稿では、パワー・オートマトンにおける逆幅優先探索を用いて、同期的オートマトンにおける短いリセット語を効率的に探索する、CutOff-IBFSと呼ばれる新しいヒューリスティック・アルゴリズムを提案する。最大の状態集合のリストを限定的に維持するとともに、重複除去のためのトライ木を活用することで、従来の手法よりも短いリセット語を、特にランダムおよび極値的オートマトンにおいて、競争力のある実行時間性能を維持したまま効率的に発見できる。

ABSTRACT

We present a new heuristic algorithm finding reset words. The algorithm called CutOff-IBFS is based on a simple idea of inverse breadth-first-search in the power automaton. We perform an experimental investigation of effectiveness compared to other algorithms existing in literature, which yields that our method generally finds a shorter word in an average case and works well in practice.

研究の動機と目的

• 同期的オートマトンにおける短いリセット語を効果的に探索する、より優れたヒューリスティック・アルゴリズムの開発。これは計算的に困難な問題である。
• 既存のヒューリスティックおよび正確なアルゴリズムを改善し、見つかったリセット語の長さを短くしつつ、実用的な実行時間効率を維持すること。
• ランダムオートマトンおよびČernýのオートマトンや遅く同期する系列といった既知の極値的ケースの両方で優れた性能を発揮する手法の設計。
• 実用的で多項式時間のアルゴリズムを提供し、正確なソルバに高速なプロプレセッサまたはヒューリスティック部品として統合可能にする。

提案手法

• アルゴリズムは、すべての状態のシングルトンから始めて、パワー・オートマトン上で逆幅優先探索（IBFS）を実行する。
• 各ステップで、入力文字列すべてに対して現在の状態集合の前像を遷移関数を用いて計算する。
• 前像計算中に重複する集合を効率的に検出・削除するために、トライデータ構造を用いる。
• 各レベルで、集合のサイズ（基数）が最大の`maxsize`個の集合のみを保持することで、状態空間の成長を制限する。
• 指定された`maxlen`（リセット語長の上限）まで繰り返し処理を行い、見つかった最短のリセット語の長さを返す。
• 実際にリセット語を復元するため、各集合はその直前集合へのポインタと適用された文字列を保持しており、全単語を保存せずに経路再構築が可能である。

実験結果

リサーチクエスチョン

• RQ1 サイズ制限付き集合の刈り込みとトライ木を用いた逆BFSに基づくヒューリスティック・アルゴリズムが、既存のヒューリスティックと比較してリセット語の長さと実行時間の両面で優れているか。
• RQ2 Černýのオートマトンや他の遅く同期する系列のような既知の極値的オートマトンにおいて、このアルゴリズムは最短リセット語を信頼性高く発見できるか。
• RQ3 `maxsize`パラメータの選択が、解の品質と計算コストのトレードオフにどのように影響するか。
• RQ4 トライベースの重複除去、インデグリの順序付け、選択的状態初期化といった技術的最適化が、実際の性能向上に寄与するか。

主な発見

• 100〜1000状態の均等にランダムなオートマトンにおいて、CutOff-IBFSは他のヒューリスティック・アルゴリズムよりも一貫して短いリセット語を発見する。
• パrameter `maxsize = n` を用いたバージョンは、Černýのオートマトン $\mathrsfs{C}_n$ および $\mathrsfs{D}'_n$, $\mathrsfs{D}''_n$, $\mathrsfs{B}_n$, $\mathrsfs{G}_n$, $\mathrsfs{H}_n$ といった遅く同期する系列について、最短リセット語を保証して発見する。
• `maxsize = log n` のバージョンは、2番目と3番目に速いアルゴリズム（EppsteinおよびCycle）と比較してわずかに遅いが、はるかに短いリセット語を発見する。
• アルゴリズムの時間計算量は $O(lckn + kn^2)$、空間計算量は $O(ckn)$ であり、ここで $l$ は見つかったリセット語の長さ、$c = \mathtt{maxsize}$、$k$ はアルファベットサイズ、$n$ は状態数である。
• 適切な技術的改善（例えば、集合サイズごとに別々のトライ木を用いる、インデグリ順に状態をソートする）により、トライ木の高さが低下し、キャッシュ効率が向上することで、実行速度が向上する。
• 特にランダムオートマトンにおいて、IBFSプロセスにおける大規模集合の高速収束のおかげで、短いリセット語を素早く発見できる。