[論文レビュー] An introspective algorithm for the integer determinant

Jean‐Guillaume Dumas, Anna Urbańska|ArXiv.org|Nov 17, 2005

Complexity and Algorithms in Graphs参考文献 24被引用数 5

ひとこと要約

本稿では、実時間の性能フィードバックに基づいて、$p$-adic lifting、中国剰余定理、連立一次方程式の解法といった複数の手法を動的に組み合わせる内省的アルゴリズムを提示する。密度の高い行列に対しては、期待されるビット計算量が$O(n^3 \log^{2.5}(n\|A\|))$に抑えられ、不変因子の構造と確率的仮定を活用することで、従来の手法よりも1桁以上高速化を達成している。

ABSTRACT

We present an algorithm computing the determinant of an integer matrix A. The algorithm is introspective in the sense that it uses several distinct algorithms that run in a concurrent manner. During the course of the algorithm partial results coming from distinct methods can be combined. Then, depending on the current running time of each method, the algorithm can emphasize a particular variant. With the use of very fast modular routines for linear algebra, our implementation is an order of magnitude faster than other existing implementations. Moreover, we prove that the expected complexity of our algorithm is only O(n^3 log^{2.5}(n ||A||)) bit operations in the dense case and O(Omega n^{1.5} log^2(n ||A||) + n^{2.5}log^3(n||A||)) in the sparse case, where ||A|| is the largest entry in absolute value of the matrix and Omega is the cost of matrix-vector multiplication in the case of a sparse matrix.

研究の動機と目的

• 密度の高い行列、特に大きな要素を含む行列に対して、より高速で適応的な整数行列の行列式計算アルゴリズムの開発。
• 不変因子の構造と確率的仮定を活用することで、既存手法を下回る期待されるビット計算量の低減。
• 実行時における性能と推定計算量に基づき、複数のアルゴリズムを動的に切り替えるランタイム適応型システムの設計。
• 現実的なサイズの行列を対象とし、実用的な高速化を達成すること。
• 強い期待計算量の保証を持つ、堅牢で決定的であるがゆえに、入力構造に応じて性能を適応的に調整するアルゴリズムの提供。

提案手法

• アルゴリズムは内省的戦略を用い、$p$-adic lifting、中国剰余定理、連立一次方程式の解法といった複数の行列式計算バリエーションを並列に実行する。
• 各バリエーションの実行時間と途中結果を監視し、実時間の性能に基づいて最も効率の良いものに重点を置く。
• 異なるアプローチからの結果を統合し、$p$-adic liftingを用いて行列式の大きな因数を回復し、残りの部分を中国剰余定理で処理する。
• ランダム行列では通常、$O(\log n)$個程度の非自明な不変因子しか存在しないため、この事実を活用して高価な計算を削減する。
• 高速なモジュラーライナー代数ルーチンを用い、推定された時間比に基づいて適切なタイミングでCRAループやLUに基づく手法に切り替える。
• 過剰に非自明な不変因子の数を推定するのを避けるために、早期終了と確率的チェックを組み込む。

実験結果

リサーチクエスチョン

• RQ1 複数の行列式計算戦略を統合したハイブリッドで内省的なアルゴリズムは、単一の手法よりも優れた平均的性能を達成できるか？
• RQ2 密度の高いランダム行列における非自明な不変因子のスパarsityを活用する適応的アルゴリズムの期待ビット計算量は何か？
• RQ3 実時間の性能監視と動的負荷分散は、整数行列式計算の実用的効率をどのように向上させ得るか？
• RQ4 $p$-adic liftingと連立一次方程式の解法をどのように組み合わせれば、係数の成長を抑え、計算量を改善できるか？
• RQ5 アルゴリズムは実行時において、有利な入力ケース（非自明な不変因子が少ない）を検出でき、それに応じて適応的に切り替えられるか？

主な発見

• 密度の高い整数行列に対して、期待されるビット計算量が$O(n^3 \log^{2.5}(n\|A\|))$に抑えられ、従来手法を著しく上回る。
• 非自明な不変因子が$k$個ある行列では、実際の期待計算量は$O(n^3 (\log n + \log \|A\|)^2 k)$となるが、これは$k$が大きい場合にのみ最適でない。
• 適応戦略と最適化されたモジュラー算術のおかげで、既存の実装よりも少なくとも1桁以上高速に動作する。
• 非自明な不変因子が少ない有利な入力を実行時において検出し、それに応じてより効率的なサブルーチンに切り替えられる。
• $p$-adic liftingと連立一次方程式の解法を組み合わせることで、完全な中国剰余定理の実行を減らし、時間的・空間的効率を向上させた。
• アルゴリズムは決定的かつ正しく保たれ、事前の知識なしに入力構造に応じて性能を適応的に調整する。