[論文レビュー] Polynomial root clustering and explicit deflation

Rémi Imbach, Victor Y. Pan|arXiv (Cornell University)|Jun 11, 2019

Advanced Numerical Analysis Techniques参考文献 7被引用数 5

ひとこと要約

本稿では、複素平面における多項式の根クラスタリングのための明示的デフラクション手法を提案する。この手法により、根のクラスタを同定した後に多項式の次数を低くすることで、分割ベースのアルゴリズムの効率が向上する。特に高次多項式（例：次数512）では、初期段階で根をデフラクションすることで、最大35％の高速化が達成され、ベルヌーイ多項式、マンデルブロ多項式、スパイラル多項式の各々で1.3–1.7倍の実験的高速化が得られた。

ABSTRACT

We seek complex roots of a univariate polynomial $P$ with real or complex coefficients. We address this problem based on recent algorithms that use subdivision and have a nearly optimal complexity. They are particularly efficient when only roots in a given Region Of Interest (ROI) are sought. We propose two improvements for root finders. The first one is applied to polynomials having only real coefficients; their roots are either real or appear in complex conjugate pairs. We show how to adapt the subdivision scheme to focus the computational effort on the imaginary positive part of the ROI. In our second improvement we deflate $P$ to decrease its degree and the arithmetic cost of the subdivision.

研究の動機と目的

• 特定の注目領域（ROI）にのみ関心のある根のサブセットが求められる場合、グローバル根探索手法の非効率性を是正すること。
• 特に高次多項式で注目領域に少数の根しか持たない場合に、分割に基づく局所的根クラスタリングアルゴリズムの実用的効率を向上させること。
• 既にクラスタ化された根を除去するデフラクション戦略を開発・評価し、その後の反復処理における多項式次数と計算コストを低減すること。
• ベルヌーイ、マンデルブロ、スパイラル多項式といった実世界の多項式族において、明示的デフラクションが測定可能な性能向上をもたらすことを示すこと。

提案手法

• 与えられたROI内での自然な根クラスタを同定するため、分割ベースの根クラスタリングアルゴリズムを用い、重複度情報を含む不重複の隔離円盤を返す。
• 重複度を持つ根クラスタを特定した後、根のべき和と多項式再構成を用いて、対応する多項式因数を明示的に因数分解して除去する。
• デフラクション処理を反復的に適用：隔離された根のべき和を計算し、デフラクション済み多項式を再構成し、次数が低い因数に対して再帰的に処理を継続する。
• 多項式係数のビット精度を段階的に高めるためのオラクルインターフェースを備えたCclusterアルゴリズムの変更版（CclusterD）にデフラクションを統合する。
• 各段階で正確なべき和近似を計算するため、分割木における深さ優先探索を用いてクラスタを精緻化する。
• PSToCoeffsおよびCoeffsToPSのルーチンを用い、ビット精度を制御しながらべき和と多項式係数の間の変換を実施し、数値的安定性を確保する。

実験結果

リサーチクエスチョン

• RQ1 根クラスタリング後に多項式因数を明示的にデフラクションすることで、複素根探索におけるその後の分割ステップの計算コストを低減できるか？
• RQ2 高次多項式かつ局在的根を持つ多項式において、デフラクションを施した分割アルゴリズムの性能は、非デフラクション版と比べてどのように異なるか？
• RQ3 根クラスタリングパイプラインにおいて、デフラクションの最適な頻度とタイミングは何か？ これにより、速度向上を最大化しつつ数値的不安定性を避けることができるか？
• RQ4 ベルヌーイ、マンデルブロ、スパイラル多項式といった実世界の多項式族において、デフラクションは、根がクラスタ化されたり対称的分布を示したりする場合に、実行時間にどの程度の改善をもたらすか？

主な発見

• CclusterDは、次数256のベルヌーイ多項式において、Cclusterより中央値で1.35倍の高速化を達成し、実行時間は25％削減された。
• 次数512のベルヌーイ多項式では、CclusterDは144秒で実行されたのに対し、Cclusterは192秒で終了し、25％の改善が得られた。
• 次数511のマンデルブロ多項式では、CclusterDは149秒で完了したが、Cclusterは212秒で終了し、30％の高速化が達成された。
• 次数512のスパイラル多項式では、CclusterDは23％の高速化（423秒 vs. 560秒）を達成したが、べき和計算におけるデフラクションのオーバーヘッドが最大85.1秒に達した。
• オラクルForQルーチン（デフラクション計算）に費やされた累積時間は、全体の0.07–0.20の範囲にとどまり、デフラクションが計算的に軽量であることが示された。
• 次数512のスパイラル多項式では、隔離円盤を求めるために最大3392ビットの精度が必要となり、根が密集している場合に高い正確性が求められることが裏付けられた。