[論文レビュー] The right-generators descendant of a numerical semigroup

Maria Bras-Amorós, J.A. Fernandez|arXiv (Cornell University)|Nov 8, 2019

Commutative Algebra and Its Applications参考文献 10被引用数 5

ひとこと要約

本論文は、数値半群木の与えられた種数までを探索するための効率的なアルゴリズムを提示する。この手法は、半群の右生成子後代（RGD）を2進文字列で符号化することで、右生成子の性質を活用する。ジャンプ（2番目に小さい非ゼロ要素の差）と再帰的構造を活用し、並列化を可能にすることで、従来のシードベース手法よりも著しく高速化され、種数45では5倍以上の高速化を達成。最終的に、種数71の半群の数が2.6×10^15に達することを計算した。

ABSTRACT

For a numerical semigroup, we encode the set of primitive elements that are larger than its Frobenius number and show how to produce in a fast way the corresponding sets for its children in the semigroup tree. This allows us to present an efficient algorithm for exploring the tree up to a given genus. The algorithm exploits the second nonzero element of a numerical semigroup and the particular pseudo-ordinary case in which this element is the conductor.

研究の動機と目的

• 種数ごとの数値半群の列挙を高速化するアルゴリズムの開発。これは半群理論における基本的問題である。
• 数値半群の構造的性質、特に2番目に小さい非ゼロ要素（ジャンプ）を活用し、木の走査を最適化すること。
• 多重度とジャンプに従って部分木を整理することで、半群木探索の並列化を可能にすること。
• 種数71の数値半群の数を計算し、既知の計算限界を拡張すること。

提案手法

• 半群の右生成子後代（RGD）は、そのすべての右生成子（導出値以上である原始的要素）を削除することで得られる半群として定義される。
• 2進文字列を用いてRGDを符号化し、ビットjが1であるのはm + jが右生成子である場合に限る。これにより、コンパクトな表現と高速なアクセスが可能になる。
• アルゴリズムは、固定された多重度とジャンプを持つ擬似通常半群を根とする部分木を再帰的に走査することで、種数γの半群の数を計算する。
• 主な最適化として、ジャンプパラメータを用いて半群を部分木にグループ化し、特にCilk++を用いたマルチスレッド実行により並列探索を可能にする。
• コードレベルの最適化を含む：降順のループ順序、早期終了、ジャンプと多重度に基づく孫半群の事前計算済みカウント。
• RGD関数は、γとgを引数として渡すのではなく、γ−2−gを状態として追跡することで再帰的に実装され、オーバーヘッドを低減する。

実験結果

リサーチクエスチョン

• RQ1 数値半群木の構造を活用することで、種数ごとの半群列挙を高速化できるか？
• RQ2 右生成子後代（RGD）を用いることで、シードベース手法よりも効率的なアルゴリズムを設計できるか？
• RQ3 ジャンプ（2番目に小さい非ゼロ要素の差）は、半群木の並列的かつ最適化された走査をどのように可能にするか？
• RQ4 ビットストリング符号化と早期終了を用いることで、再帰的木走査をどの程度最適化できるか？
• RQ5 このアプローチを用いて、効率的に計算可能な数値半群の最大の種数は何か？

主な発見

• アルゴリズムは、種数71の数値半群の数を正確に260,403,318,268,2582個と計算した。これは、従来の知られていた系列を越えるものである。
• 種数45の場合、新しいRGDアルゴリズムは211秒で実行され、従来の再帰的シードベース実装（1465秒）の5倍以上も高速である。
• Cilk++を用いて8コアで並列化した場合、種数45の処理時間は211秒から48.0秒に短縮され、強力なスケーラビリティを示した。
• 種数55において、本手法は[10]の最先端実装よりも15–20%高速であり、7266秒の実行時間に対し、9948秒を要した。
• コードレベルの最適化（降順のループ順序、ジャンプと多重度に基づく孫半群の事前計算）により、アルゴリズムの効率が向上した。
• RGDの2進文字列符号化により、複雑なビット操作を回避でき、異なるプログラミング言語間で効率的かつポータブルに実装可能になった。