[論文レビュー] Bypassing KLS: Gaussian Cooling and an O*(n^3) Volume Algorithm

Ben Cousins, Santosh Vempala|arXiv (Cornell University)|Sep 21, 2014

Point processes and geometric inequalities被引用数 6

ひとこと要約

本論文は、メンバーシップオラクルを用いて、well-roundedな凸体の体積を推定するためのO*(n³)の確率的アルゴリズムを提示しており、従来のO*(n⁴)の複雑さに比べて顕著な改善を達成している。主な革新点は、未解決のKLS超平面予想に依存せずに、温度が低下するにつれて冷却が加速するガウス冷却スケジュールの導入である。

ABSTRACT

We present an O∗(n3) randomized algorithm for estimating the volume of a well-rounded convex body given by a membership oracle, improving on the previous best complexity ofO∗(n4). The new algorithmic ingredient is an accelerated cooling schedule where the rate of cooling increases with the temperature. Previously, the known approach for potentially achieving such complexity relied on a positive resolution of the KLS hyperplane conjecture, a central open problem in convex geometry. 1

研究の動機と目的

• メンバーシップオラクルによって与えられる凸体の体積推定のためのより高速な確率的アルゴリズムの開発。
• 凸体幾何学における主要な未解決問題であるKLS超平面予想に依存しない、改善された複雑さの境界を達成するための依存性の排除。
• 温度が低下するにつれて冷却速度が速くなる冷却スケジュールの設計により、体積推定における収束速度の向上。
• 従来のO*(n⁴)の境界を改善し、O*(n³)の複雑さを達成すること。

提案手法

• 冷却速度が温度に応じて増加する、ガウス冷却と呼ばれる新しい冷却スケジュールを導入。
• 温度に依存するサンプリング分布を用いた、マルコフ連鎖モンテカルロ（MCMC）アプローチを採用。
• 温度を制御パラメータとして用い、次第に目標体積の周囲に集中する対数凸分布の系列を用いる。
• 冷却スケジュールを調整して急速な混合と収束を維持するように、幾何的アニーリングフレームワークを適用。
• ガウス測度の集中性の性質を活用し、温度パラメータの減少を加速。
• 現在の温度および体積の幾何的性質に基づいて冷却速度を適応的に調整する再帰的体積推定手順を設計。

実験結果

リサーチクエスチョン

• RQ1 KLS超平面予想に依存せずに、体積推定アルゴリズムがO*(n³)の複雑さを達成できるか。
• RQ2 幾何的サンプリングにおける冷却スケジュールをどのように加速すれば、収束速度の向上が図れるか。
• RQ3 温度に依存するサンプリング分布は、体積推定の過程で急速な混合を維持するために果たす役割は何か。
• RQ4 冷却速度を温度の低下に伴って増加させることで、より速い収束を達成することは可能か。

主な発見

• 提案されたアルゴリズムは、体積推定においてO*(n³)の複雑さを達成しており、従来のO*(n⁴)の境界に比べ顕著な改善を示している。
• KLS超平面予想に依存する必要がなく、かつてはこのような複雑さを達成するための不可欠な要因と見なされていた。
• ガウス冷却スケジュールにより、低温域での冷却プロセスが加速され、収束が速くなる。
• アニーリング過程を通じて、マルコフ連鎖の急速な混合が維持され、正確な体積推定が保証される。