[論文レビュー] Sorting with Recurrent Comparison Errors

Barbara Geissmann, Stefano Leucci+2 more|arXiv (Cornell University)|Sep 21, 2017

Random Matrices and Applications参考文献 3被引用数 6

ひとこと要約

この論文は、繰り返し発生する比較誤りの下で $O(n^2)$ 時間で動作する新しいアルゴリズムである Window Sort を提示する。このアルゴリズムは、高確率で $O(\log n)$ の最大ずれを達成し、期待される総ずれは $O(n)$ である。滑らかなウィンドウ機構を用いて局所的な順位を計算し、反復的に位置を精緻化する。同様の誤りモデル下で、$o(\log n)$ の最大ずれや $o(n)$ の期待される総ずれを達成できるアルゴリズムは存在しないことを示すタイトな下界を証明する。

ABSTRACT

We present a sorting algorithm for the case of recurrent random comparison errors. The algorithm essentially achieves simultaneously good properties of previous algorithms for sorting $n$ distinct elements in this model. In particular, it runs in $O(n^2)$ time, the maximum dislocation of the elements in the output is $O(\log n)$, while the total dislocation is $O(n)$. These guarantees are the best possible since we prove that even randomized algorithms cannot achieve $o(\log n)$ maximum dislocation with high probability, or $o(n)$ total dislocation in expectation, regardless of their running time.

研究の動機と目的

• 繰り返し発生するランダムな比較誤りの下で、$O(n^2)$ の実行時間、高確率での $O(\log n)$ の最大ずれ、期待される総ずれ $O(n)$ を同時に達成するソーティングアルゴリズムを設計すること。
• 既存のアルゴリズムがこれらの3つの指標のうち2つを最適化しているが、3つを同時に最適化できないというギャップを埋めること。
• 繰り返し発生する比較誤りの下でのソーティングの根本的限界を、最大ずれと総ずれのタイトな下界を証明することで分析すること。
• ウィンドウの収縮率を調整することで、誤り耐性を $p < 1/32$ から $p < 1/16$ まで拡張し、性能の低下を制御すること。

提案手法

• アルゴリズムは固定サイズのスライディングウィンドウを要素群に適用し、各要素をウィンドウ内の隣接要素とのみ比較して局所的順位を計算する。
• 各反復後、ウィンドウサイズを半分にし、計算された局所的順位に基づいて要素を再配置することで、グローバルな位置を精緻化する。
• 確率的集中不等式と誤り回数に関する繊細な不変量を用いて、計算順位と真の順位のずれが有界に保たれることを解析で保証する。
• 反復全体にわたり弱い不変量を維持し、高確率で任意のウィンドウ内の誤り回数がしきい値未満に保たれることを保証する。
• ウィンドウ収縮率 $\alpha \in (1/2, 1)$ を修正することで、誤り耐性を $p < \alpha/16$ まで拡張し、実行時間を $O\left(\frac{1}{1-\alpha}n^2\right)$ に調整する。
• キーレイマにより、任意のアルゴリズムが、距離の遠い要素を誤って順序付けてしまう確率が少なくとも $\frac{1}{2}\left(\frac{p}{1-p}\right)^{2(y-x)-1}$ 以上であることを示し、ずれの下界を導出する。

実験結果

リサーチクエスチョン

• RQ1 繰り返し発生する比較誤りの下で、$O(n^2)$ の実行時間、高確率での $O(\log n)$ の最大ずれ、期待される総ずれ $O(n)$ を達成できるソーティングアルゴリズムは存在するか？
• RQ2 同じ性能保証を維持したまま、誤り耐性を $p < 1/32$ を超えて向上させることは可能か？
• RQ3 繰り返し発生する比較誤りの下でのソーティングにおけるずれの根本的限界は何か？
• RQ4 任意の確率的アルゴリズムについて、期待される総ずれが $o(n)$ 未満に抑えられるか？

主な発見

• Window Sort は、誤り確率 $p < 1/32$ の下で、$O(n^2)$ の実行時間、高確率での $O(\log n)$ の最大ずれ、期待される総ずれ $O(n)$ を達成する。
• ウィンドウ収縮率 $\alpha$ を調整することで、誤り耐性を $p < 1/16$ まで拡張でき、実行時間は $O\left(\frac{1}{1-\alpha}n^2\right)$ となる。
• 各要素の期待されるずれは、$f(p) = \frac{100p}{(1/2 - 16p)^2}$（$p < 1/64$）に対して $O(f(p)\log f(p))$ で有界であり、これにより $O(\log n)$ の最大ずれが得られる。
• 論文はタイトな下界を証明している：繰り返し誤りの下で、$o(\log n)$ の最大ずれを高確率で達成できるアルゴリズムは存在しない。
• また、期待される総ずれが $o(n)$ になるようなアルゴリズムは存在せず、$O(n)$ が期待される総ずれの最良の可能性であることが示された。
• 実験結果は、理論的予測を上回る性能を示しており、$p < 1/5$ の場合に期待される総ずれが $O(n)$、$p < 1/4$ の場合に最大ずれが $O\left(\log n\right)$ であると示唆している。