[論文レビュー] Computing the partition function for cliques in a graph

Alexander Barvinok|arXiv (Cornell University)|May 8, 2014

Advanced Graph Theory Research参考文献 11被引用数 8

ひとこと要約

本稿では、部分グラフの密度に基づく指数関数的重み付けにより、高密度な部分グラフ（クリーク）を強調する、決定的アルゴリズムを提示する。テイラー展開と分配関数の複素数ゼロ非存在解析を用いて、$ n^{O(\ln m)} $ の時間計算量を達成し、ランダムサンプリングにおいて密度が指数的にまれな部分グラフの検出を可能にする。弱い条件下でも明示的な定数 $ \gamma = 0.06 $ または $ \gamma = 0.18 $ を用いることができる。

ABSTRACT

We present a deterministic algorithm which, given a graph G with n vertices and an integer 10 is an absolute constant: we can choose gamma=0.06, and if n > 4m and m > 10, we can choose gamma=0.18. This allows us to tell apart the graphs that do not have m-subsets of high density from the graphs that have sufficiently many m-subsets of high density, even when the probability to hit such a subset at random is exponentially small in m.

研究の動機と目的

• 高密度なクリークがまれである場合でさえも、グラフ内のすべてのm頂点部分集合に対する指数関数的重み付けされたクリーク密度の和を推定する決定的アルゴリズムの開発。
• ランダムサンプリングにおける指数的低確率にもかかわらず、多数のm頂点部分集合が高密度であるようなグラフの検出を可能にする。
• 密度に基づいて重み付けされたすべてのm頂点部分集合の寄与を捉える分配関数を、新しい解析的手法を用いて計算すること。
• 複素解析および行列摂動技法を用いて、分配関数の近似誤差の理論的境界を確立すること。

提案手法

• アルゴリズムは、$ f(t) = \ln P_m(J + t(W - J)) $ という1変数関数を用い、$ P_m $ をクリークの分配関数とする。$ t = 0 $ におけるテイラー多項式近似を用いて $ f(1) $ を推定する。
• この手法は、恒等行列の近傍における複素数領域で分配関数 $ P_m $ の複素数ゼロをバインドすることに依存し、テイラー級数の収束を保証する。
• 多項式の対数微分に基づく再帰的不等式を用いて、偏微分の成長を制御し、ゼロ非存在領域を維持する。
• 証明では、重複する部分集合における多項式の値の間の複素数の角度条件を用い、大きさの比が有界であり、引数の変動が制御されることを保証する。
• 重要なステップとして、すべての1の行列に近い行列の近傍 $ \mathcal{U}(\delta) $ を定義し、$ \delta = \omega / (m-1) $ とする。この領域で $ P_m $ がゼロにならないことを証明する。
• 再帰的に、サイズが減少する部分集合の系列において、ゼロ非存在および有界導関数条件を検証し、最終的に全分配関数がゼロでないことを導く。

実験結果

リサーチクエスチョン

• RQ1 高密度なクリークが指数的にまれである場合でさえも、$ n^{O(\ln m)} $ 時間でm頂点クリークの分配関数を決定的アルゴリズムが計算可能か。
• RQ2 対称行列上の解析的手法を用いて、クリーク密度の指数関数的重み付けをどのように効率的に近似できるか。
• RQ3 行列摂動に関するどのような条件下で、分配関数が複素数近傍でゼロでなくなるか。これによりテイラー展開による近似が可能になる。
• RQ4 アルゴリズムは、高密度なm部分集合を含まないグラフと、そのような部分集合を多数含むグラフを、それらがまれである場合でもどの程度区別できるか。

主な発見

• 相対誤差 $ \epsilon $ で、$ \operatorname{Density}_m(G) = \sum_{|S|=m} \exp\{\gamma m \sigma(S) + O(1/m)\} $ の分配関数が $ n^{O(\ln m - \ln \epsilon)} $ 時間で計算可能。
• $ \gamma = 0.06 $ の場合、条件なしに有効。$ n \geq 4m $ かつ $ m \geq 10 $ のとき、$ \gamma = 0.18 $ を達成可能で、高密度部分グラフの検出感度が向上する。
• テイラー近似における $ f(t) = \ln P_m(J + t(W - J)) $ の $ t=0 $ での収束誤差が、$ \frac{m(m-1)}{2(l+1)\beta^l(\beta-1)} $ で有界であることが保証され、$ \beta > 1 $ がゼロ非存在領域を制御する。
• アルゴリズムは、$ \exp(\gamma m \sigma(S)) \geq \frac{1}{2} \binom{n}{m}^{-1} \operatorname{Density}_m(G) $ を満たすm部分集合 $ S $ の存在を保証し、指数的重み付け下での高密度部分グラフの効果的同定を可能にする。
• 証明により、$ \delta = \omega / (m-1) $ で $ \omega \approx 0.061 $ のとき、すべての対称複素行列 $ Z $ に対して $ P_m(Z) \neq 0 $ であることが示され、解析接続が保証される。
• $ m \geq 10 $ の場合、精密な解析により $ \omega = 0.181 $ を得られ、$ \lambda = \exp(\theta) < 2.8 $ かつ $ \sqrt{\cos \theta} > 0.7 $ が成立し、$ n \geq 4m $ の条件下で誤差境界が改善される。