[論文レビュー] Constructive Discrepancy Minimization by Walking on The Edges

Shachar Lovett, Raghu Meka|arXiv (Cornell University)|Mar 26, 2012

Limits and Structures in Graph Theory参考文献 7被引用数 11

ひとこと要約

この論文は、多面体の辺上を移動する新しいランダム化・構成的アルゴリズム「エッジ・ウォーク」を用いて、分散最小化を実現する。この手法により、$O(\sqrt{n \log(m/n)})$ の分散バウンド（スペンサーオンリーの6標準偏差の境界）を $\tilde{O}((n+m)^3)$ 時間で達成する。従来の手法とは異なり、存在的証明を避ける真正な構成的証明を提供し、バンサルのSDPに基づく手法とは対照的に、より単純な線形代数に基づく代替手法を提示する。

ABSTRACT

Minimizing the discrepancy of a set system is a fundamental problem in combinatorics. One of the cornerstones in this area is the celebrated six standard deviations result of Spencer (AMS 1985): In any system of n sets in a universe of size n, there always exists a coloring which achieves discrepancy 6\sqrt{n}. The original proof of Spencer was existential in nature, and did not give an efficient algorithm to find such a coloring. Recently, a breakthrough work of Bansal (FOCS 2010) gave an efficient algorithm which finds such a coloring. His algorithm was based on an SDP relaxation of the discrepancy problem and a clever rounding procedure. In this work we give a new randomized algorithm to find a coloring as in Spencer's result based on a restricted random walk we call "Edge-Walk". Our algorithm and its analysis use only basic linear algebra and is "truly" constructive in that it does not appeal to the existential arguments, giving a new proof of Spencer's theorem and the partial coloring lemma.

研究の動機と目的

• 従来の証明で用いられる非構成的・存在的議論を避ける真正な構成的アルゴリズムを提供すること。
• スペンサーの6標準偏差定理と同一の $O(\sqrt{n \log(m/n)})$ の分散バウンドを、効率的でランダム化されたアルゴリズムで達成すること。
• 各要素が高々 $t$ 個の集合に属するというベイク＝フィアラ設定にこの手法を拡張し、既知の構成的バウンドに一致させること。
• 高度な凸幾何学やSDPに依存せず、基本的な線形代数とランダムウォークを用いて、部分的色分け補題のより単純な、要素的な証明を提供すること。

提案手法

• 多面体 $[-1,1]^n$ の辺に沿って移動する「エッジ・ウォーク」と呼ばれる制限付きランダムウォークを導入し、低分散の部分的色分けを見つける。
• 分散ベクトルの $\ell_2$-ノルムに基づくポテンシャル関数を用いて、低分散への進行をガイドする。
• 再帰的分解を適用：各ステップの後、変数の半分を $\pm 1$ に固定し、残りの変数で再帰的に処理する。
• 閾値処理戦略を用い、$|x_i| \geq 1 - \delta$ となる変数を固定とみなす。ここで $\delta = 1/n$ とする。
• 集中不等式（チェルノフ型）を用いて、最終的なベクトル $x$ を $\pm 1$ に丸めることで分散が $O(\sqrt{n})$ 増加することを示す。
• 複数回のエッジ・ウォークを組み合わせることで、残りの変数の分散を幾何的に低下させ、全体で $O(\sqrt{n \log(m/n)})$ のバウンドを得る。

実験結果

リサーチクエスチョン

• RQ1 スペンサーの分散定理に対して、存在的議論や半定値計画法に依存しない真正な構成的アルゴリズムを設計可能か？
• RQ2 $O(\sqrt{n \log(m/n)})$ の分散バウンドを達成するために必要な最小限のツール（例えばランダムウォークや線形代数）は何か？
• RQ3 エッジ・ウォーク法を、各要素が高々 $t$ 個の集合に属するベイク＝フィアラ設定に適応可能か？ その場合、$O(\sqrt{t} \log n)$ の分散を構成的に達成できるか？
• RQ4 バンサルのSDPに基づくアルゴリズムと比較して、エッジ・ウォーク法は効率的で単純か？
• RQ5 エッジ・ウォークの解析を拡張することで、分散保証の改善やよりタイトな定数を得られるか？

主な発見

• アルゴリズムは高確率で $O(\sqrt{n \log(m/n)})$ の分散を達成し、$\tilde{O}((n+m)^3)$ 時間で実行可能であり、スペンサーの境界と定数因子を除いて一致する。
• $m = n$ の場合、分散バウンドの定数を $13$ にまで高めることができ、従来の構成的手法を上回る。
• この手法により、線形代数とランダムウォークのみを用いた、部分的色分け補題の新しい要素的構成的証明が得られる。
• アルゴリズムはベイク＝フィアラ設定に拡張可能であり、高確率で $O(\sqrt{t} \log n)$ の分散を達成し、$\tilde{O}((n+m)^5)$ 時間で実行可能である。
• 丸めステップによる分散の増加は $O(\sqrt{n})$ に留まり、全体の $O(\sqrt{n \log(m/n)})$ バウンドに吸収される。
• 解析では半定値計画法や高度な凸幾何学を避け、集中不等式と繰り返しのエッジ・ウォークに依存している。