[论文解读] MCMC sampling colourings and independent sets of G(n,d/n) near the uniqueness threshold

Charilaos Efthymiou|Warwick Research Archive Portal (University of Warwick)|Apr 24, 2013

Markov Chains and Monte Carlo Methods参考文献 23被引用 5

一句话总结

本论文针对Erdős-Rényi随机图$G(n,d/n)$上的$k$-染色和硬核模型，提出了Glauber块动力学的改进快速混合界限，采用一种新颖的路径加权方案来处理高程度顶点。其结果在小常数因子内逼近了统计物理领域的猜想：$k \geq \frac{11}{2}d$ 与 $\lambda \leq \frac{1-\epsilon}{2d}$，显著优于以往结果，其核心在于结合结构化树状块的路径耦合方法。

ABSTRACT

Sampling from Gibbs distribution is a central problem in computer science as well as in statistical physics. In this work we focus on the k-colouring model} and the hard-core model with fugacity λwhen the underlying graph is an instance of Erdos-Renyi random graph G(n,p), where p=d/n and d is fixed. We use the Markov Chain Monte Carlo method for sampling from the aforementioned distributions. In particular, we consider Glauber (block) dynamics. We show a dramatic improvement on the bounds for rapid mixing in terms of the number of colours and the fugacity for the corresponding models. For both models the bounds we get are only within small constant factors from the conjectured ones by the statistical physicists. We use Path Coupling to show rapid mixing. For k and λin the range of our interest the technical challenge is to cope with the high degree vertices, i.e. vertices of degree much larger than the expected degree d. The usual approach to this problem is to consider block updates rather than single vertex updates for the Markov chain. Taking appropriately defined blocks the effect of high degree vertices somehow diminishes. However, devising such a construction of blocks is a highly non trivial task. We develop for a first time a weighting schema for the paths of the underlying graph. Vertices which belong to "light" paths, only, can be placed at the boundaries of the blocks. Then the tree-like local structure of G(n,d/n) allows the construction of simple structured blocks.

研究动机与目标

• 解决在顶点度数波动的稀疏随机图上，Gibbs分布MCMC采样中快速混合的挑战。
• 克服$G(n,d/n)$中度数远超期望度数$d$的高程度顶点带来的技术难题。
• 设计一种新颖的图路径加权方案，以实现高效块动力学，降低高程度顶点的影响。
• 在$k$-染色与硬核模型中，实现与猜想最优阈值在小常数因子内的快速混合界限。
• 通过路径耦合的严格分析，建立两种模型在改进参数范围下的快速混合性。

提出的方法

• 引入一种路径加权方案，其中将累积权重乘积$\prod W(u) \leq 1$的‘轻路径’上的顶点用作块边界。
• 构建最多含一条额外边的树状块，以确保结构简单性与路径长度有界。
• 应用路径耦合技术证明Glauber块动力学的快速混合性，耦合定义在仅在一个块上不同的配置之间。
• 利用集中不等式与马尔可夫不等式，证明长路径或重路径（影响块边界）出现的概率可忽略不计。
• 借助随机图理论结果，包括染色数界与环长约束，控制块结构与路径影响。
• 定义影响权重$U(w_r)$与$W(w_r)$，以限制配置变化通过路径的传播，从而实现对路径影响的归纳控制。

实验结果

研究问题

• RQ1 当$k$接近猜想阈值$k > d$时，能否在$G(n,d/n)$上为$k$-染色建立Glauber块动力学的快速混合性？
• RQ2 在硬核模型中，当反演参数$\lambda$增加到何种程度时，混合时间会变为非多项式？
• RQ3 在$G(n,d/n)$中，如何有效处理高程度顶点以避免混合时间退化？
• RQ4 能否设计一种路径加权方案，确保仅低影响路径影响块边界，从而实现高效块动力学？
• RQ5 在稀疏随机图上，路径耦合在这些模型中能证明快速混合的最紧界限是什么？

主要发现

• 本论文在$k \geq \frac{11}{2}d$时，建立了$k$-染色模型中Glauber块动力学的快速混合性，优于以往要求$k$随$d$多项式增长的界限。
• 对于硬核模型，证明了在反演参数$\lambda \leq \frac{1-\epsilon}{2d}$时的快速混合性，逼近统计物理猜想的$\lambda \approx \frac{e}{d}$。
• 分析表明，遇到长路径或高影响路径（可能破坏块动力学）的概率至多为$2n^{-d^{2/5}/2}$，当$n \to \infty$时趋于零。
• 块构造确保仅位于‘轻路径’（满足$\prod W(u) \leq 1$）上的顶点才可能成为块边界，从而简化动力学并减少对高程度节点的依赖。
• 路径加权方案使得可使用最多含一条额外边的树状块，使块结构适合通过路径影响界进行归纳分析。
• 结果在随机图实例$G(n,d/n)$上以高概率成立，证实了在模型典型实现中的鲁棒性。