[論文レビュー] Randomized vs. Deterministic Separation in Time-Space Tradeoffs of Multi-Output Functions

Amit Chakrabarti, Yining Chen|arXiv (Cornell University)|Dec 4, 2017

Complexity and Algorithms in Graphs参考文献 21被引用数 3

ひとこと要約

この論文は、記憶容量に制限がある状況下で、Memoryゲーム（ソリティア形式のカードマッチングゲーム）を解くための、タイトな時間-空間トレードオフの下界を確立する。決定的戦略では ST = Ω(n² log n)、確率的戦略では ST² = Ω(n³) が成立することを示し、分岐プログラムのモデル化と古典的な数え上げ論法の新しい確率的拡張を用いる。その結果、グラフマッチング問題における空間制限付きアルゴリズムの計算複雑性に影響を与える。

ABSTRACT

A single-player game of Memory is played with $n$ distinct pairs of cards, with the cards in each pair bearing identical pictures. The cards are laid face-down. A move consists of revealing two cards, chosen adaptively. If these cards match, i.e., they bear the same picture, they are removed from play; otherwise, they are turned back to face down. The object of the game is to clear all cards while minimizing the number of moves. Past works have thoroughly studied the expected number of moves required, assuming optimal play by a player has that has perfect memory. In this work, we study the Memory game in a space-bounded setting. We prove two time-space tradeoff lower bounds on algorithms (strategies for the player) that clear all cards in $T$ moves while using at most $S$ bits of memory. First, in a simple model where the pictures on the cards may only be compared for equality, we prove that $ST = Ω(n^2 \log n)$. This is tight: it is easy to achieve $ST = O(n^2 \log n)$ essentially everywhere on this tradeoff curve. Second, in a more general model that allows arbitrary computations, we prove that $ST^2 = Ω(n^3)$. We prove this latter tradeoff by modeling strategies as branching programs and extending a classic counting argument of Borodin and Cook with a novel probabilistic argument. We conjecture that the stronger tradeoff $ST = \widetildeΩ(n^2)$ in fact holds even in this general model.

研究の動機と目的

• 限られた記憶容量（S ビット）を持つプレイヤーが、Memoryゲームを解くために必要な最小のカード裏返し回数を理解すること。
• 空間制限付き環境下での決定的および確率的戦略における、根本的な時間-空間トレードオフの下界を確立すること。
• プレイヤー戦略を分岐プログラムとしてモデル化し、古典的な数え上げ論法を拡張して新たな下界を導出すること。
• 空間制限付き環境下で、グラフにおける完全マッチングを発見する計算複雑性を、Memoryゲームを簡略化したモデルとして調査すること。
• 任意の演算を許可する一般計算モデルでさえも、ST = eΩ(n²) というより強い下界が達成可能かどうかを検討すること。

提案手法

• 各カードに対して1つの変数を割り当てた2n個の入力変数を持つ分岐プログラム（BP）として、Memoryゲーム戦略をモデル化する。各ノードはカードを照会し、その結果に基づいて分岐する。
• ボロディンとカフの古典的数え上げ論法の修正版を用いて、時間Tおよび空間Sの制限内でBPが正しく処理できる入力の数を上限付ける。
• 特に、未照会の変数が取りうる値についての確率的推論を導入し、マッチングペアを正しく特定する可能性を分析する、新しい確率的論法を提案する。
• 分岐プログラムを長さ r = ⌊(2/e)√(nS)⌋ の段階に分割し、各段階における正しく出力された結果の分布を分析することで、背理に基づく下界を導出する。
• ヤオの補題を用いて、確率的ラスベガスアルゴリズムをモンテカルロアルゴリズムに変換し、決定的下界技術を適用可能にする。
• マルコフの不等式を用いて、切り捨てられたアルゴリズムの誤り確率を上限付ける。これにより、導出された下界が高確率で成立することを保証する。

実験結果

リサーチクエスチョン

• RQ1 S ビットの記憶容量でのみ動作するMemoryゲームを解くために、最小でどの程度のカード裏返し回数が必要か？
• RQ2 Memoryゲームにおける決定的戦略と確率的戦略の間で、時間-空間トレードオフはどのように異なるか？
• RQ3 ボロディンとカフの古典的数え上げ論法は、確率的戦略や任意の計算を許容するモデルに拡張可能か？
• RQ4 任意の演算を許可する一般計算モデルでも、ST = eΩ(n²) というより強い下界が達成可能か？
• RQ5 Memoryゲームに関する結果は、空間制限付き環境下でグラフにおける大規模マッチングを求める際の時間-空間トレードオフに、どの程度の示唆を与えるか？

主な発見

• 等価比較のみを許可する比較ベースのモデルでは、任意の (S,T)-戦略が ST = Ω(n² log n) を満たす必要があり、これは O(n² log n) が達成可能であるため、タイトである。
• カード値に対する任意の演算を許可する一般計算モデルでは、すべての (S,T)-戦略が ST² = Ω(n³) を満たすことが示され、確率的アルゴリズムにおける強いトレードオフが確立された。
• 下界 ST² = Ω(n³) は、戦略を分岐プログラムとしてモデル化し、正しい出力系列の確率を制限するための新しい確率的論法を適用することで導出された。
• 証明技法は、未照会の変数の確率的性質とその潜在的値についての推論を組み込むことで、古典的なボロディン-カフの数え上げ論法を拡張したものである。
• 分析により、確率的戦略ですら根本的なトレードオフを回避できないことが示され、空間S下での期待時間Tは T√S = Ω(n³/²) を満たすことが分かった。
• 結果として、一般モデルでも ST = eΩ(n²) が成立する可能性があるが、これはまだ予想であり、現時点の下界と真の複雑度との間にギャップがある可能性を示唆している。