[論文レビュー] Counting magic squares in quasi-polynomial time

Alexander Barvinok, Alex Samorodnitsky+1 more|ArXiv.org|Mar 8, 2007

Markov Chains and Monte Carlo Methods参考文献 25被引用数 5

ひとこと要約

本稿では、対角線の和が $t$ の $n \times n$ マジック・スクエアの数を相対誤差 $\epsilon$ 以内で近似するためのランダム化されたクasi-多項式時間アルゴリズムを提示する。この手法は、対数凸関数と行列スケーリングを用いて体積推定を実行する。主な貢献は、$N = nt$ とおくとき、$(1/\epsilon)^{O(1)} N^{O(\log N)}$ の計算複雑度を達成することであり、バランスの取れたマージンを持つ連鎖表を数える既存の手法と比べて顕著な改善を示す。

ABSTRACT

We present a randomized algorithm, which, given positive integers n and t and a real number 0< epsilon <1, computes the number Sigma(n, t) of n x n non-negative integer matrices (magic squares) with the row and column sums equal to t within relative error epsilon. The computational complexity of the algorithm is polynomial in 1/epsilon and quasi-polynomial in N=nt, that is, of the order N^{log N}. A simplified version of the algorithm works in time polynomial in 1/epsilon and N and estimates Sigma(n,t) within a factor of N^{log N}. This simplified version has been implemented. We present results of the implementation, state some conjectures, and discuss possible generalizations.

研究の動機と目的

• すべての行と列の和が $t$ に等しい $n \times n$ の非負整数行列（マジック・スクエア）の数を効率的に近似するアルゴリズムの開発。
• 任意の $\epsilon > 0$ に対して、相対誤差 $\epsilon$ を達成するクasi-多項式時間複雑度のランダム化アルゴリズムの提供。
• 特にマージンがバランスされた場合に、与えられた行和と列和を持つ一般の連鎖表へのアプローチの拡張。
• マジック・スクエアの数と対数凸密度関数を含む関連積分との比に関する理論的境界の確立。
• 実用的計算のための簡略化された多項式時間バージョンのアルゴリズムの実装と評価。

提案手法

• アルゴリズムは、単体 $\Delta$ 上で定義された対数凸関数 $\phi$ を用いた、輸送ポリトープの体積を推定するランダム化アプローチに依存する。
• 行列スケーリング技術を用いて、問題を、行列のパーマネントがポリトープ内の整数点の数を近似する形に変換する。
• 関数 $f(X) = \text{per}(X)$ の斉次性および単調性に依存し、$\phi$（対数凸部）と $p$（緩やかに変化する部）への因数分解を用いる。
• 誤差制御のための統合領域におけるしきい値 $T$ の使用が鍵であり、対数凸関数および対称平均の性質を用いて境界を導出する。
• 重要度サンプリングと体積推定技術を用いて、$Q$ における積分 $\int_Q f \, d\mu$ を近似する。ここで $Q$ は行和が 1 に等しい非負行列の集合である。
• 簡略化されたバージョンでは、多項式時間のサンプリングとスケーリングを用いて、$|\Sigma(n,t)|$ を $N^{O(\log N)}$ の要因内で近似する。

実験結果

リサーチクエスチョン

• RQ1 行和が $t$ の $n \times n$ マジック・スクエアの数は、クasi-多項式時間で相対誤差 $\epsilon$ 以内に近似可能か？
• RQ2 マージンがバランスされた場合に、与えられた行和と列和を持つ連鎖表の数を近似するための計算複雑度はいかほどか？
• RQ3 $N = nt$ に対して、比 $c(n,t) = |\Sigma(n,t)| / \int_\Delta \phi \, d\mu$ はどのようにスケーリングされ、$N^{O(1)}$ で有界にできるか？
• RQ4 体積推定と対数凸関数の積分を用いて、行列のパーマネントを効率的に近似できるか？
• RQ5 連鎖表の数に対するヒューリスティックな近似式（例：Diaconis-Efron近似）の理論的および実用的精度の境界は何か？

主な発見

• 本稿では、$N = nt$ とおくとき、相対誤差 $\epsilon$ 以内で $|\Sigma(n,t)|$ を時間 $(1/\epsilon)^{O(1)} N^{O(\log N)}$ で近似するランダム化アルゴリズムを提示する。
• 簡略化されたバージョンのアルゴリズムは多項式時間で実行され、$|\Sigma(n,t)|$ を $N^{O(\log N)}$ の要因内で近似する。
• アルゴリズムは小規模なインスタンスに対して実装され、評価が行われ、結果は1.4節に報告されており、理論的境界を支持する。
• 理論的解析により、比 $c(n,t) = |\Sigma(n,t)| / \int_\Delta \phi \, d\mu$ が $N^{O(\log N)}$ で有界であることが示され、より強いパーマネント不等式の下では $N^{O(1)}$ である可能性が予想されている。
• 本手法は、行和が等しいか列和が等しい連鎖表に対しても一般化可能であり、同様の複雑度境界を達成する。
• 本アプローチは、パーマネントの斉次性および単調性、被積分関数の対数凸部と緩やかに変化する部への因数分解に依存する。