[論文レビュー] Asymptotics of coefficients of multivariate generating functions: improvements for multiple points

Alexander Raichev, Mark C. Wilson|arXiv (Cornell University)|Sep 28, 2010

Polynomial and algebraic computation被引用数 6

ひとこと要約

本稿では、PemantleとWilsonの先行研究を拡張し、複数の特異点多様体に支配される多変数母関数の係数における高次漸近展開を計算する実用的なアルゴリズムをSageで実装した。特異点が横断的多重点である場合の任意の次数の項について明示的な公式と計算手順を提供し、有理数的組合せ母関数の正確な数値的漸近解析を可能にする。

ABSTRACT

Let $F(x)= \sum_{ν\in\NN^d} F_νx^ν$ be a multivariate power series with complex coefficients that converges in a neighborhood of the origin. Assume $F=G/H$ for some functions $G$ and $H$ holomorphic in a neighborhood of the origin. We derive asymptotics for the coefficients $F_{rα}$ as $r o \infty$ with $rα\in \NN^d$ for $α$ in a permissible subset of $d$-tuples of positive reals. More specifically, we give an algorithm for computing arbitrary terms of the asymptotic expansion for $F_{rα}$ when the asymptotics are controlled by a transverse multiple point of the analytic variety $H = 0$. This improves upon earlier work by R. Pemantle and M. C. Wilson. We have implemented our algorithm in Sage and apply it to obtain accurate numerical results for several rational combinatorial generating functions.

研究の動機と目的

• 多変数母関数係数の漸近展開における高次項を計算する実用的で汎用的なアルゴリズムの開発。
• PemantleとWilsonの理論枠組みを、主に一次項を超える明示的な計算公式を提供することで、複数点特異点に拡張すること。
• オープンソースのSageソフトウェアへの実装を通じて、有理数的組合せ母関数の正確な数値的漸近解析を可能にすること。
• 任意の次数nおよび次元dにおける多重点特異点の取り扱いを、特別な根理想の場合への還元によって統一すること。
• 特に高次項の多変数漸近解析において、きつい手作業計算を代替する計算手法を提供すること。

提案手法

• 特異点が次数n ≤ dの横断的多重点であり、Hのイデアルが根である特別な場合について、漸近展開の明示的公式を導出する。
• フーリエ＝ラプラス積分表現と留数計算を用いて、係数の漸近的性質を単体Δ上の積分で表現する。
• 変数変換と定常位相近似を適用し、一意の定常点を持つ多次元の振動的積分に問題を還元する。
• 変換された母関数の(n−1)階微分を含む微分作用素を導入し、高次項を抽出する。
• 代数的および解析的技術を用いて、一般の多重点の場合を特別な場合に還元し、計算の可能性を保つ。
• Sageにアルゴリズムを実装し、有理数母関数との実用的使用を想定したオープンソースモジュール（amgf.sage）として提供する。

実験結果

リサーチクエスチョン

• RQ1 特異点が多重点である場合に、多変数母関数係数の漸近展開における高次項を効率的に計算する方法は何か？
• RQ2 根イデアルを持つ横断的多重点の場合に、漸近展開の明示的公式をどのように導出できるか？
• RQ3 一般の多重点の場合を、アルゴリズム的計算に適した特別な場合に還元する方法は何か？
• RQ4 従来の一次項のみを提供する手法と比較して、この手法が持つ計算上の利点は何か？
• RQ5 このアルゴリズムは、組合せ的係数推定におけるrの小・中程度の値に対して、数値的精度をどの程度向上させ得るか？

主な発見

• 本稿は、多重点特異点における多変数母関数係数の漸近展開の任意の次数の項を計算する、初めての一般的で明示的かつ実用的なアルゴリズムを提供する。
• この手法はSageにオープンソースとして実装されており（amgf.sage）、研究者が再現可能かつ容易に利用可能な計算を可能にする。
• 一次項漸近解析のみに比べ、特にrの小さい値において高い数値的精度を達成する。
• 主な革新点は、(n−1)階微分作用素を変換された母関数に適用することで、高次項を体系的に抽出できることにある。
• 単体に基づく積分表現と慎重な変数変換を用いることで、無限個の定常位相集合による複雑さを回避する。
• 本手法は、任意の次元d ≥ 2および任意の多重度n ≥ 1の多重点に適用可能であり、統一的な計算フレームワークを提供する。