[논문 리뷰] Bounds on the number of integer points in a polytope via concentration estimates

Austin Shapiro|arXiv (Cornell University)|2010. 11. 29.

Point processes and geometric inequalities참고 문헌 12인용 수 7

한 줄 요약

이 논문은 다면체 내 정수점의 수에 대한 효율적으로 계산 가능한 상계를 제공한다. 이는 이러한 점들을 샘플링하는 최대 엔트로피 랜덤 벡터의 집중도를 분석하여 이룩한다. 확률론과 조합론의 도구를 사용하여, 다면체가 $ n $개의 부등식과 $ m $개의 방정식으로 정의될 때, $ m $이 고정되어 있고 약간의 조건이 만족되면 이 벡터가 다면체 내에 있을 확률이 $ O(n^{-m/2}) $로 감소함을 증명한다.

ABSTRACT

It is generally hard to count, or even estimate, how many integer points lie in a polytope P. Barvinok and Hartigan have approached the problem by way of information theory, showing how to efficiently compute a random vector which samples the integer points of P with (computable) constant mass, but which may also land outside P. Thus, to count the integer points of P, it suffices to determine the frequency with which the random vector falls in P. We prove a collection of efficiently computable upper bounds on this frequency. We also show that if P is suitably presented by n linear inequalities and m linear equations (m fixed), then under mild conditions separating the expected value of the above random vector from the origin, the frequency with which it falls in P is O(n^{-m/2}) as n -> infinity. As in the classical Littlewood-Offord problem, all results in the paper are obtained by bounding the point concentration of a sum of independent random variables; we sketch connections to previous work on the subject.

연구 동기 및 목표

• 정수점 수를 세는 데 있어 계산의 어려움(이미 NP-난이도임)을 다루기 위해.
• 최대 엔트로피 랜덤 벡터가 다면체 내에 떨어질 확률을 상계함으로써 기존의 샘플링 기반 접근법을 향상시키기 위해.
• 집중도 측정 기법을 사용하여 다면체 내 정수점 수에 대한 효율적으로 계산 가능한 상계를 제공하기 위해.
• 불등식의 수가 증가함에 따라 샘플링 확률의 渐近 감소율을 고정된 등식 제약 조건의 차원에서 설정하기 위해.

제안 방법

• 다면체 $ P $ 내 평균을 가져야 하는 독립적인 기하분포를 가진 좌표를 갖는 최대 엔트로피 랜덤 벡터 $ X $ 를 사용한다.
• 정수점의 수를 $ |P \cap \mathbb{Z}^n| = e^{H(X)} \cdot \mathbb{P}[X \in P] $ 로 표현하여 문제를 $ \mathbb{P}[X \in P] $ 의 상계로 환원한다.
• 집중도 기법을 적용하여 $ \text{conc}(AX) $ 를 상계함으로써 $ \mathbb{P}[X \in P] $ 를 상계한다. 왜냐하면 $ \mathbb{P}[AX = \mathbf{b}] = \mathbb{P}[X \in P] $ 이기 때문이다.
• 독립적인 랜덤 변수의 합의 점 집중도를 제어하기 위해, 제품 체인의 너비와 로그-볼록 수열에 관한 결과를 활용한다.
• 라이아푸노프의 중심극한정리와 윌슨 수의 성질을 이용하여 이산 균일 분포 변수의 합의 점근적 근사값을 도출한다.
• 기하분포 변수의 혼합 표현을 통해 상계를 유도하고, 이산 균일 변수의 초합성 결과를 적용하여 집중도를 제어한다.

실험 결과

연구 질문

• RQ1 확률적 샘플링 방법을 사용하여 다면체 내 정수점의 수를 효율적으로 상계할 수 있는가?
• RQ2 등식 제약 조건의 수 $ m $ 이 고정되어 있을 때, 불등식의 수 $ n $ 이 증가함에 따라 샘플링 확률 $ \mathbb{P}[X \in P] $ 의 감소율은 어떻게 되는가?
• RQ3 독립적인 랜덤 변수의 합에 대한 점 집중도 추정치를 사용하여 다면체 내 정수점 수에 대한 날카운 상계를 도출할 수 있는가?
• RQ4 랜덤 벡터 $ X $ 의 집중도가 $ O(n^{-m/2}) $ 로 감소하는 조건은 무엇이며, 이를 정량적으로 어떻게 증명할 수 있는가?
• RQ5 최대 엔트로피 분포의 엔트로피와 다면체의 기하학적 구조가 정수점 수에 공동으로 영향을 미치는 방식은 무엇인가?

주요 결과

• 다면체 $ P $ 내 정수점의 수는 $ |P \cap \mathbb{Z}^n| \leq e^{H(X)} \cdot \text{conc}(AX) $ 로 상계되며, 여기서 $ H(X) $ 는 최대 엔트로피 샘플링 분포의 엔트로피이다.
• 다면체가 $ n $개의 부등식과 $ m $개의 선형 방정식으로 정의되고 $ m $ 이 고정되어 있으며, 약간의 분리 조건이 만족되면 $ n \to \infty $ 일 때 $ \mathbb{P}[X \in P] = O(n^{-m/2}) $ 임을 증명한다.
• 명시적인 상계는 $ |P \cap \mathbb{Z}^n| \leq e^{H(X)} \cdot \min_{\text{basis}} \prod_{i=1}^m \frac{1}{z_{j_i} + 1} $ 로 주어지며, 여기서 $ z_{j_i} $ 는 기하분포 성분의 평균이다.
• 행렬 $ A $ 가 정수 성분을 갖고, 열들이 $ p $개의 블록으로 나뉘어지며 각 블록이 $ m $개의 선형 독립 벡터를 포함할 경우, 상계는 $ |P \cap \mathbb{Z}^n| \leq e^{H(X)} \left( C p^{-m/2} + (C')^p \right) $ 로 변형되며, 여기서 $ C > 0 $, $ C' < 1 $ 이다.
• 기하분포 또는 이산 균일 분포 변수의 합의 집중도는 제품 체인의 너비와 로그-볼록 수열을 이용하여 상계되며, 중심극한정리 유사 근사로 이어진다.
• 점근적으로 $ p $개의 i.i.d. 이산 균일 변수의 합의 집중도는 $ \sim \left( \frac{\pi}{6} \sum_{j=1}^p (N_j^2 - 1) \right)^{-1/2} $ 와 유사하게 행동함을 보이며, 이는 주요 감소율을 유도하는 데 사용된다.