[論文レビュー] Markov chain methods for small-set expansion

Ryan O’Donnell, David Witmer|arXiv (Cornell University)|Apr 20, 2012

Markov Chains and Monte Carlo Methods参考文献 14被引用数 3

ひとこと要約

本稿では、熱演算子とπ内積を用いた連続時間マーカフチェイン手法を導入し、特に小集合拡張問題において、スペクトルグラフ分割の結果を単純化・一般化する。スチュアートのスペクトルプロファイルに関する改善済みの境界の新たな洗練された証明を提示し、Φ_G(16k^{-1+1/A}) ≤ 2√A·√(λ_k log_k n) を示す。この境界は非正則および有向グラフへも拡張可能であり、小集合拡張問題に対する近似アルゴリズムを示唆する。

ABSTRACT

Consider a finite irreducible Markov chain with invariant distribution $π$. We use the inner product induced by $π$ and the associated heat operator to simplify and generalize some results related to graph partitioning and the small-set expansion problem. For example, Steurer showed a tight connection between the number of small eigenvalues of a graph's Laplacian and the expansion of small sets in that graph. We give a simplified proof which generalizes to the nonregular, directed case. This result implies an approximation algorithm for an "analytic" version of the Small-Set Expansion Problem, which, in turn, immediately gives an approximation algorithm for Small-Set Expansion. We also give a simpler proof of a lower bound on the probability that a random walk stays within a set; this result was used in some recent works on finding small sparse cuts.

研究の動機と目的

• 離散時間ランダムウォークおよびラジオマーカフチェインの制限を克服し、特に非正則および有向グラフにおけるスペクトルグラフ分割に向けたもの。
• 連続時間ランダムウォークを用いて、非正則および有向グラフへのスチュアートのスペクトルプロファイルおよび小集合拡張に関する改善済み境界の一般化を達成する。
• マーカフチェイン技法を用いて、小集合拡張とラプラシアン固有値の関係をより単純かつ統一的に証明する。
• 連続時間ランダムウォークが集合内に留まる確率のよりタイトな下界を確立する。
• 解析的バージョンの小集合拡張問題に対する近似アルゴリズムの開発。これは元の問題に対するアルゴリズムを示唆する。

提案手法

• 負の固有値を回避し、ラジオ移動の必要性を排除するため、連続時間ランダムウォークと関連する熱演算子 H_t = exp(-tL) を用いる。
• 不変分布πを用いてπ内積を定義し、非正則グラフへの直接的解析を可能にする。
• 離散時間ウォークの代わりに連続時間ウォークを用いることで、固有値解析を単純化し、非対称または非正則グラフに起因する技術的複雑性を回避する。
• 集合Sにおける時間経過に伴うS内に留まる確率を分析するため、制限付き遷移演算子K_Sおよび関連するラプラシアンL_Sを定義する。
• 熱演算子のスペクトル分解にジェンセンの不等式を適用し、ランダムウォークの生存確率の下界を導出する。
• 導出された小集合拡張に関する境界を導くために、スペクトルプロファイルΛ_G(r)とその導出に用いられる混合率Φ_G(r)の関係を用いる。

実験結果

リサーチクエスチョン

• RQ1 正則グラフを超えて、小集合拡張と固有値の関係をより単純かつ一般化して証明できるか？
• RQ2 非正則および有向グラフにおいて、高階固有値を用いた小集合の混合率のタイトな下界は何か？
• RQ3 連続時間マーカフチェインを用いて、ランダムウォークが集合内に留まる確率をよりタイトに束縛できるか？
• RQ4 マーカフチェイン技法を用いて、解析的バージョンの小集合拡張問題を効果的に近似できるか？
• RQ5 kが大きいとき、高階のチーリング不等式における既知のΘ(√log k)要因にどのような改善が可能か？

主な発見

• スチュアートの改善済み境界に関する新たな洗練された証明が提示される：任意のA ≥ 3に対して、強連結グラフ（非正則および有向グラフを含む）においてΦ_G(16k^{-1+1/A}) ≤ 2√A·√(λ_k log_k n) が成り立つ。
• kが十分に大きい場合には、Φ_G(k^{-0.999}) ≤ O(√(λ_k log_k n)) が成り立ち、kが大きい場合に√log k要因が除去される。
• スペクトルプロファイルΛ_G(r)はΛ_G(r) ≤ 2Φ_G(r)^2 を満たし、本稿では連続時間ウォークを用いた直接的な評価方法が提供される。
• 連続時間ランダムウォークの生存確率に関する新たな下界が確立される：任意の集合Sに対してC(t,S) ≥ exp(-tΦ[S]) が成り立つ。
• この結果は、解析的バージョンの小集合拡張問題に対する近似アルゴリズムを示唆し、それが元の問題に対する近似アルゴリズムを導く。
• 証明手法はラジオウォークの必要性を回避し、元のグラフに直接適用可能であり、グラフの変更を要する従来の手法を単純化する。