[논문 리뷰] Computational Complexity Analysis of Interval Methods in Solving Uncertain Nonlinear Systems

Rudra Prakash, S. Janardhanan외 1명|arXiv (Cornell University)|2026. 03. 20.

Numerical Methods and Algorithms인용 수 0

한 줄 요약

본 논문은 불확실한 비선형 시스템을 해결하는 검증된 구간 방법의 알고리즘 수준 최악의 경우 복잡도 프레임워크를 개발하고, 분할 기반 접근법과 도함수 기반 접근법을 비교하며 지배적인 비용 동인을 식별한다.

ABSTRACT

This paper analyses the computational complexity of validated interval methods for uncertain nonlinear systems. Interval analysis produces guaranteed enclosures that account for uncertainty and round-off, but its adoption is often limited by computational cost in high dimensions. We develop an algorithm-level worst-case framework that makes the dependence on the initial search volume $\mathrm{Vol}(X_0)$, the target tolerance $\varepsilon$, and the costs of validated primitives explicit (inclusion-function evaluation, Jacobian evaluation, and interval linear algebra). Within this framework, we derive worst-case time and space bounds for interval bisection, subdivision$+$filter, interval constraint propagation, interval Newton, and interval Krawczyk. The bounds quantify the scaling with $\mathrm{Vol}(X_0)$ and $\varepsilon$ for validated steady-state enclosure and highlight dominant cost drivers. We also show that determinant and inverse computation for interval matrices via naive Laplace expansion is factorial in the matrix dimension, motivating specialised interval linear algebra. Finally, interval Newton and interval Krawczyk have comparable leading-order costs; Krawczyk is typically cheaper in practice because it inverts a real midpoint matrix rather than an interval matrix. These results support the practical design of solvers for validated steady-state analysis in applications such as biochemical reaction network modelling, robust parameter estimation, and other uncertainty-aware computations in systems and synthetic biology.

연구 동기 및 목표

• 초기 검색 부피, 목표 허용오차, 및 기본 연산 비용이 검증된 구간 방법의 복잡도에 미치는 영향을 정량화한다.
• 불확실성 하에서 정상상태 구획을 둘러싸는 대표 구간 방법에 대한 최악의 경우 시간 및 공간 상한을 제공한다.
• 고차원 불확실성 비선형 시스템에서 지배적인 계산 병목현상과 비용 동인을 식별한다.
• 생체화학 네트워크 및 강건한 매개변수 추정과 같은 응용에서 실용적 해결기 설계를 위한 지침을 제공한다.

제안 방법

• 구간 연산 및 검증된 기본 연산(포함 함수, 야코비안, 구간 선형 대수)에 대한 비용 모델을 정의한다.
• 구간 이분, 분할+필터, 구간 제약 전파, interval Newton, 구간 Krawczyk에 대한 최악의 경우 시간/공간 상한을 도출한다.
• Vol(X0), epsilon, C_F, C_J, C_J^{-1}, 및 N_it의 관점에서 복잡도를 분석한다.
• 구간 선형 대수가 전체 비용에 미치는 영향을, 행렬식 및 역행렬 계산을 포함하여 평가한다.
• interval Newton와 interval Krawczyk의 선도적 차수 비용을 비교한다.
• 관찰된 상자 수와 런타임을 대조하는 수치 연구를 통해 실용적 통찰을 제공한다.

실험 결과

연구 질문

• RQ1 불확실성 하에서 검증된 정상상태 구획을 계산하기 위한 일반적인 구간 기반 방법의 최악의 경우 시간 및 공간 복잡도는 무엇인가?
• RQ2 Vol(X0), 공차 epsilon, 그리고 검증된 기본 연산의 비용이 서로 다른 구간 방법 전반에 걸쳐 계산 병목을 어떻게 이끄는가?
• RQ3 확대 시 interval Newton과 interval Krawczyk가 선도적 차수 계산 비용에서 어떻게 비교되는가?
• RQ4 행렬식 및 역행렬 계산과 같은 구간 선형 대수 비용이 구간 해결기의 실용성에 어떤 함의를 가지는가?

주요 결과

• 구간 이분의 최악의 경우 시간 복잡도는 O((C_F + n) Vol(X0)/epsilon^n)이고 공간 복잡도는 O(n Vol(X0)/epsilon^n)이다.
• 분할+필터의 시간 복잡도는 O(m^n C_F)이고 공간 복잡도는 O(m^n)이며 각 차원당 m개의 분할을 가진다.
• 구간 제약 전파는 가정 C_con = O(C_F) 하에 시간 O(m^n N_it (C_con + n)) 및 공간 O(m^n)을 산출한다.
• 구간 행렬의 라플라스 전개를 통한 행렬식/역행렬은 n의 계승/지수적이어서 대체 구간 선형 대수 접근법의 필요성을 제시한다.
• 여러 해를 가지는 경우 interval Newton의 최악의 시간은 O(N_it n^3 Vol(X0)/epsilon^n)이며, 각 하위 상자당 수렴 이점을 강조한다.
• Interval Krawczyk은 선도 차수 비용에서 interval Newton과 비슷하다고 논의되며, 행렬 역전 비용에 따라 실용적 이점이 달라진다.