[논문 리뷰] A mean identity for longest increasing subsequence problems

Eric M. Rains|ArXiv.org|2000. 04. 12.

Random Matrices and Applications참고 문헌 11인용 수 12

한 줄 요약

이 논문은 최장 증가 부분수열(LIS) 문제를 위한 일파라미터 가속 모델의 가족을 제안하며, 모oment 생성 함수 항등식을 통해 평균 LIS 길이의 정확한 계산을 가능하게 한다. 주요 기여는 표준 모델에서 평균 LIS에 대한 날카운 상한을 제공하는 평균 항등식을 도출한 것으로, 渐近 분석을 통해 다양한 LIS 변형—랜덤 순열, 랜덤 단어, GUE 행렬 고유값 포함—에서 알려진 척도 인자와 평균 행동을 복원한다.

ABSTRACT

We show that a wide variety of generalized increasing subsequence problems admit a one parameter family of extensions for which we can exactly compute the mean length of the longest increasing subsequence. By the nature of the extension, this gives upper bounds on the mean in the unextended model, which turn out to be asymptotically tight for all of the models that have so far been analyzed. A heuristic analysis based on this fact gives not just the asymptotic mean but also the asymptotic scale factor, again agreeing with all known cases.

연구 동기 및 목표

• 포isson화된 모델과 정적 초기 조건을 가진 최장 증가 부분수열에 대한 Prahofer-Spohn 평균 항등식을 일반화한다.
• 포isson 과정 기반 및 기하/베르누이 다중성 규칙 기반의 일반화된 증가 부분수열 모델의 더 넓은 범주로 이 항등식을 확장한다.
• 확장된 모델에 대한 정확한 모oment 생성 함수 항등식을 유도하여 LIS 길이 분포의 엄밀한 渐近 분석을 가능하게 한다.
• 이 항등식을 활용해 渐近 평균뿐 아니라 다양한 LIS 모델에서의 渐近 척도 인자를 예측하며, 기존 결과와 일치시킨다.

제안 방법

• 포isson 분포를 가진 점들과 격자형 구조 위에서 기하/베르누이 다중성을 가진 확장 모델을 표현하기 위해 매개변수 집합 $ t{:}q/r $ 을 정의한다.
• 확장된 모델에서 LIS 길이의 모oment 생성 함수를 표현하기 위해 두 생성 함수 $ H(z;p) $ 과 $ E(z;p) $ 를 구성한다.
• 모oment 생성 함수 곱의 수렴을 보장하기 위해 두 매개변수 집합 $ p_+ $ 과 $ p_- $ 간의 호환 조건을 수립한다.
• 대수적 및 조합적 증명을 통해 $ H(p_+,p_-) $ 와 $ E(p_+,p_-) $ 를 연결하는 모oment 생성 함수 항등식을 도출하며, 이로부터 정확한 평균 표현식을 산출한다.
• 모oment 생성 함수 항등식에 힌트를 얻어 주로 평균과 척도 인자의 주요 항을 추출하기 위해 히우리스틱적인 渐近 분석을 적용한다.
• 이산적 확장 모델을 연속 근사로 매핑함으로써, 고전적 랜덤 순열의 경우에서 알려진 $ 2 ilde{t} $ 평균과 $ ilde{t}^{1/3} $ 척도 인자를 복원한다.

실험 결과

연구 질문

• RQ1 일파라미터 가속 모델의 가족을 구성할 수 있는가? 이 경우 최장 증가 부분수열의 평균 길이를 정확히 계산할 수 있는가?
• RQ2 확장된 모델에서의 정확한 평균은 비확장(표준) 모델의 평균에 대해 날카운 상한을 제공하는가?
• RQ3 확장된 모델의 모oment 생성 함수 항등식을 통해 LIS 길이의 渐近 행동—평균과 척도 인자 포함—을 복원할 수 있는가?
• RQ4 유도된 渐近 예측 결과가 랜덤 순열, 랜덤 단어, GUE 고유값과 같은 특수 케이스에서 알려진 결과와 일치하는가?
• RQ5 이 확장 프레임워크를 통해 다양한 모델 간의 LIS 길이의 渐 asymptotic 척도화에 대해 통일된 지침을 제공할 수 있는가?

주요 결과

• 매개변수 집합 $ t{:}/ $ 을 가진 확장 모델은 LIS 길이에 대해 정확히 $ 2t $ 의 평균을 제공하며, 평균이 $ 2t + O(t^{1/3}) $ 인 표준 포아송 모델에 대한 상한으로 기능한다.
• 일반화된 모델에서 $ p_+ = t{:}/ $ 인 경우 평균은 정확히 $ 2t $ 이며 척도 인자는 $ t^{1/3} $ 이다. 이는 고전적 랜덤 순열의 경우와 일치한다.
• 랜덤 단어의 약간 증가하는 부분수열의 경우($ p_+ = /1^n $, $ p_- = t{:}/ $), 평균은 $ t + 2 ilde{t}n^{1/2} $ 이며 척도 인자는 $ ilde{t}n^{-1/6}(1 + \tilde{n}/\tilde{t})^{2/3} $ 이다. 이는 기존 결과를 복원한다.
• 대칭 모델에서 $ p_+ = (\tilde{q})^{n_+}/ $, $ p_- = (\tilde{q})^{n_-}/ $ 이면 평균은 $ (2\tilde{q}n_+n_- - q(n_+ + n_-))/(1 - q) $ 이며 척도 인자는 $ (qn_+n_-)^{1/6} \times \text{수정 항} $ 이다. 이는 알려진 渐 asymptotics 와 일치한다.
• 매개변수 집합 $ p_+ = (\tilde{q})^{n_+}/ $, $ p_- = (\tilde{q})^{n_-}/ $ 을 가진 모델의 연속 근사는 $ \tilde{\nu} = (\tilde{n}_+ + \tilde{n}_-)^2 $ 과 $ \tilde{\tau} = (n_+n_-)^{-1/6}(\tilde{n}_+ + \tilde{n}_-)^{4/3} $ 를 도출하며, 이는 GUE Tracy-Widom 분포에 해당한다.
• 이 프레임워크는 랜덤 순열, 랜덤 단어, GUE 고유값 포함 여섯 가지의 다른 모델에서 渐 asymptotic 평균과 척도 인자를 정확히 예측하며, 모든 결과가 기존 결과와 완전히 일치한다.