[論文レビュー] Discrepancy in random hypergraph models

Aditya Potukuchi|arXiv (Cornell University)|Nov 5, 2018

Mathematical Approximation and Integration参考文献 13被引用数 9

ひとこと要約

本稿は、2つのランダムモデルにおけるハイパーグラフの不均衡性（discrepancy）を研究している：$χ_1$（各頂点がちょうど $t$ 個の辺に属する $t$-正則ハイパーグラフ）と $χ_2$（エッジ確率 $p$ の i.i.d. 行列）。$χ_1$ に対しては、$ \log^{10}n \ll t \ll \sqrt{n}$ かつ $m=n$ のとき、不均衡性がほとんど確実に $O(\sqrt{t})$ であることを証明し、既存の境界を改善した。$χ_2$ に対しては、$p=1/2$ かつ $n=\Omega(m\log m)$ のとき、不均衡性がほとんど確実に 1 以下であることを示し、Hoberg と Rothvoss が提起した未解決問題を解決した。

ABSTRACT

We study hypergraph discrepancy in two closely related random models of hypergraphs on $n$ vertices and $m$ hyperedges. The first model, $\mathcal{H}_1$, is when every vertex is present in exactly $t$ randomly chosen hyperedges. The premise of this is closely tied to, and motivated by the Beck-Fiala conjecture. The second, perhaps more natural model, $\mathcal{H}_2$, is when the entries of the $m imes n$ incidence matrix is sampled in an i.i.d. fashion, each with probability $p$. We prove the following: 1. In $\mathcal{H}_1$, when $\log^{10}n \ll t \ll \sqrt{n}$, and $m = n$, we show that the discrepancy of the hypergraph is almost surely at most $O(\sqrt{t})$. This improves upon a result of Ezra and Lovett for this range of parameters. 2. In $\mathcal{H}_2$, when $p= \frac{1}{2}$, and $n = Ω(m \log m)$, we show that the discrepancy is almost surely at most $1$. This answers an open problem of Hoberg and Rothvoss.

研究の動機と目的

• 2つの密接に関連するモデル $\mathcal{H}_1$（$t$-正則）および $\mathcal{H}_2$（i.i.d. 行列）におけるランダムハイパーグラフの不均衡性を分析すること。
• $\mathcal{H}_1$ モデルにおいて、$t$ が大きい場合の既存の上界を改善すること。
• Hoberg と Rothvoss が提起した、$p=1/2$ かつ $n=\Omega(m\log m)$ のときの $\mathcal{H}_2$ の不均衡性に関する未解決問題を解決すること。
• $\mathcal{H}_1$ において $O(\sqrt{t})$ の不均衡性を達成する構成的アルゴリズムを提供すること。

提案手法

• Spencer や Lovett-Meka のインスピレーションを受けて、部分的彩色法を用い、反復的に頂点を彩色して不均衡性を低減する。
• 差分が有界なマルティングルの濃度評価を適用し、ランダムなインシデント行列上の線形形式の逸脱を制御する。
• 分散が有界なマルティングル不等式を用いて、インシデント行列の部分集合上の符号付き要素の和がその平均のまわりに集中することを示す。
• インシデント行列を低影響部と高影響部に構造的に分解し、大きな逸脱を分離して境界を定める。
• $\mathcal{H}_1$ の大きなハイパーエッジを扱うために、Lovász の局所補題フレームワークを修正し、その不均衡性が小さく保たれることを保証する。
• 部分的彩色補題を用いて構成的アルゴリズムを確立し、ランダムな $\text{poly}(n)$ 時間で実行可能であることを示す。

実験結果

リサーチクエスチョン

• RQ1 $t$ が大きくても $t \ll \sqrt{n}$ で $m=n$ のとき、ランダム $t$-正則ハイパーグラフの典型的な不均衡性は何か？
• RQ2 Beck-Fiala 猜測における $O(\sqrt{t})$ の不均衡性境界が、このパrameter 範囲におけるランダム $t$-正則ハイパーグラフで達成可能か？
• RQ3 $n=\Omega(m\log m)$ のとき、i.i.d. $\text{Bernoulli}(1/2)$ 行列を有するランダムハイパーグラフの不均衡性は何か？
• RQ4 このようなモデルで不均衡性 1 を達成可能か？ これは Hoberg と Rothvoss が提起した未解決問題を解決するか？
• RQ5 構成的部分的彩色法は、ランダムハイパーグラフモデルにおける不均衡性最小化のための効率的アルゴリズムに適応可能か？

主な発見

• $\mathcal{H}_1$ に対して、$C_1\log^{10}n \ll t \ll \sqrt{n}$ かつ $m=n$ のとき、不均衡性はほとんど確実に $O(\sqrt{t})$ 以下である。これは Ezra と Lovett の $O(\sqrt{t\log t})$ の境界を改善する。
• $O(\sqrt{t})$ の不均衡性境界は、ランダムな $\text{poly}(n)$ 時間で実行可能な構成的アルゴリズムによって達成される。
• $\mathcal{H}_2$ に対して、$p=1/2$ かつ $n=\Omega(m\log m)$ のとき、不均衡性はほとんど確実に 1 以下である。これは Hoberg と Rothvoss が提起した未解決問題を解決する。
• 証明は、差分が有界で分散が有界なマルティングル濃度評価に依拠し、インシデント行列の構造的部分集合上の符号付き要素の和が平均のまわりにきわめて集中することを示す。
• 解析により、確率的行列要素の不均衡性への期待寄与は $O(\sqrt{t})$ で抑えられ、分散が有界なマルティングル不等式により高確率での集中が導かれる。
• $\mathcal{H}_2$ の結果は、$p=1/2$ でエッジ数に対して十分に多くの頂点を持つ場合、ランダムハイパーグラフが高確率で近似的に最適な不均衡性 1 を達成することを示唆する。