[論文レビュー] $t$-Covering Arrays Generated by a Tiling Probability Model

Michael Donders, Anant P. Godbole|arXiv (Cornell University)|Nov 1, 2010

DNA and Biological Computing参考文献 5被引用数 5

ひとこと要約

本稿では、依存構造を分析するためにLovász Local Lemmaを用い、タイリングに基づく確率モデルを導入することで、$t$-被覆配列の最小サイズに対する上界を改善する。特に$t=3, \alpha=2$の場合、$k=1$のとき、$\log_2 m$の係数を10.38から9.64に低減し、$k$が増加するにつれてさらに改善が得られる。

ABSTRACT

A $t-\a$ covering array is an $m imes n$ matrix, with entries from an alphabet of size $α$, such that for any choice of $t$ rows, and any ordered string of $t$ letters of the alphabet, there exists a column such that the "values" of the rows in that column match those of the string of letters. We use the Lovász Local Lemma in conjunction with a new tiling-based probability model to improve the upper bound on the smallest number of columns $N=N(m,t,α)$ of a $t-\a$ covering array.

研究の動機と目的

• 被覆配列における最小列数$N(m,t,\alpha)$の上界を改善すること。
• i.i.d.モデルと固定重みモデルの中間の、文字出現頻度の制御と計算の扱いやすさを両立する新しい確率モデルを開発すること。
• タイリングモデルにおける依存構造を分析し、よりtightな上界を導出するためにLovász Local Lemmaを適用すること。
• タイルサイズ$k$を増加させることで上界が改善されることを示し、$N(m,t,\alpha)$の明示的な漸近的表現を提供すること。
• $N(m,t,\alpha)$について、正確な上界と漸近的上界の両方を提供し、繰り返しベクトルに対しても補正を行うこと。

提案手法

• 各タイルが$1\times k\alpha$で、各アルファベット記号$x \in \{1,\dots,\alpha\}$をちょうど$k$個含むタイリングに基づく確率モデルを提案する。
• Lovász Local Lemmaを用いて、任意の$t$-組の行がターゲットベクトルを欠く確率を抑え、被覆配列の存在を証明する。
• 特定の$t$-行集合が特定のベクトルを欠く確率$P(C_r)$を、タイル構成の包含除算法を用いて計算し、タイルスタックにおけるベクトル出現確率として$\gamma_k$を導出する。
• $k>1$に対して$N(m,t,\alpha) \leq \frac{k\alpha(t-1)\log_2 m}{\log_2(1/(1-\gamma_k))}\{1+o(1)\}$の上界を導出する。$k=1$の場合はより単純な形となる。
• $\alpha$個の繰り返しベクトル（$v_i = i$）に対し、$\alpha$列を追加することで補正を行うが、これは漸近的上界の$o(1)$項にしか影響しない。
• 少なくとも1つの行を共有する$t$-集合の数を抑え、依存構造を分析し、$d \leq t\binom{m-1}{t-1}$を導出する。

実験結果

リサーチクエスチョン

• RQ1 タイリングに基づく確率モデルは、i.i.d.モデルに比べて$N(m,t,\alpha)$の上界をよりtightにできるか？
• RQ2 タイルサイズ$k$を増加させることで$N(m,t,\alpha)$の上界にどのような影響があり、その影響を体系的に分析できるか？
• RQ3 Lovász Local Lemmaは、被覆配列のための構造的で非i.i.d.な確率モデルに効果的に適用可能か？
• RQ4 $k$を増加させた際の上界の漸近的挙動は何か？また、その極限に収束するか？
• RQ5 タイリングモデルを固定行和を満たすように拡張できるか？また、その場合でも解析的扱いやすさを維持できるか？

主な発見

• $t=3, \alpha=2$の場合、$k=1$の新しい上界は$N(m,3,2) \leq 9.64\log_2 m\{1+o(1)\\$となり、以前の上界$10.38\log_2 m\{1+o(1)\\$を改善する。
• $k=2$では上界はさらに$8.68\log_2 m\{1+o(1)\\$に改善され、$k=3$では$8.31\log_2 m\{1+o(1)\\$にまで低下する。
• $t=4, \alpha=2$の場合、$k$を0から3に増加させることで、上界は$32.22\log_2 m\{1+o(1)\\$から$28.85\log_2 m\{1+o(1)\\$に改善される。
• 漸近的上界$N(m,t,\alpha) \leq \frac{k\alpha(t-1)\log_2 m}{\log_2(1/(1-\gamma_k))}\{1+o(1)\\$は、$k$を増加させることで係数が減少し、上界が改善されることを示している。
• モデルは$\alpha$個の繰り返しベクトルに対し、$\alpha$列を追加することで補正を行うが、これは主な漸近的項に影響しない。
• 解析により、タイリングモデルはi.i.d.モデルに比べて顕著な改善をもたらし、$t=3,\alpha=2$の最良-known上界（Rouxの固定重みモデル）に近づくが、まだそれを上回ることはできない。