[論文レビュー] On the Exponentiation of Interval Matrices

Alexandre Goldsztejn|arXiv (Cornell University)|Aug 27, 2009

Numerical Methods and Algorithms参考文献 32被引用数 15

ひとこと要約

この論文は、区間行列の行列指数関数の鋭い包含を計算することがNP困難であることを証明し、依存性に起因する楽観的評価を著しく低減するための区間スケーリング・スクェアリング法を提案する。この手法は、従来のテイラー級数評価や中心形式よりも、はるかにタイトな包含を低コストで提供し、自動的な丸め誤差制御を備えている。

ABSTRACT

The numerical computation of the exponentiation of a real matrix has been intensively studied. The main objective of a good numerical method is to deal with round-off errors and computational cost. The situation is more complicated when dealing with interval matrices exponentiation: Indeed, the main problem will now be the dependency loss of the different occurrences of the variables due to interval evaluation, which may lead to so wide enclosures that they are useless. In this paper, the problem of computing a sharp enclosure of the interval matrix exponential is proved to be NP-hard. Then the scaling and squaring method is adapted to interval matrices and shown to drastically reduce the dependency loss w.r.t. the interval evaluation of the Taylor series.

研究の動機と目的

• 標準的な区間算術における依存性の損失が深刻であるため、区間行列の行列指数関数の鋭い包含を計算する課題に対処すること。
• 区間行列指数関数の鋭い包含を計算する問題がNP困難であることを証明すること。
• 行列指数関数計算における区間依存性に起因する楽観的評価を低減するスケーラブルで効率的な手法を開発すること。
• 数値的精度において明確に優位である、実装可能な代替手法を提供すること。

提案手法

• 区間行列への古典的なスケーリング・スクェアリング法の適応により、exp(M) を (exp(M/2^s))^(2^s) として再定式化し、区間依存性を低減すること。
• スケーリング・スクェアリング枠組み内でのテイラー級数の効率的かつ厳密な評価にホーナーの法則を用いること。
• 任意精度を用いた厳密な区間算術を活用し、計算中の丸め誤差を制御すること。
• 行列分解（例えばシュール分解）を用いて区間行列の指数関数の計算を簡素化し、数値的安定性を向上させること。
• 異なる区間サイズと精度レベルにおける包含幅の比較を通じて、数値実験により手法の有効性を検証すること。

実験結果

リサーチクエスチョン

• RQ1 区間行列の行列指数関数の鋭い包含を計算することは、計算的に実行可能であるか、それともNP困難であるか？
• RQ2 スケーリング・スクェアリング法は、区間行列に効果的に適応可能であり、依存性に起因する楽観的評価を低減できるか？
• RQ3 提案された区間スケーリング・スクェアリング法の性能は、従来のテイラー級数評価法や中心形式法と比べてどのように異なるか？
• RQ4 この手法は、厳密な包含性を維持しつつ、丸め誤差をどの程度制御できるか？

主な発見

• 区間行列指数関数の鋭い包含を計算する問題がNP困難であることが証明された。
• 区間スケーリング・スクェアリング法は、倍精度算術を用いて包含幅を約7.2×10⁻⁶にまで低減し、テイラー級数法を著しく上回っている。
• 困難な行列に対して10%の摂動を加えた場合、区間スケーリング・スクェアリング法は包含幅を約1.80×10⁻⁹にまで低減するが、テイラー級数法では2.86×10¹⁰×εにまで達する。これは桁違いの改善を示している。
• 線形領域では包含幅が区間幅εに対して線形に増加するため、楽観的評価が低く抑えられており、これは低リスク性を示している。これに対して、テイラー級数法ははるかに高い楽観的評価を示している。
• この手法は、exp(underline(A)) と exp(overline(A)) の凸包の下界を上回るよりタイトな包含を達成しており、真の範囲を的確に捉えていることを示している。