[论文解读] Adaptive Lower Bound for Testing Monotonicity on the Line

Aleksandrs Belovs|arXiv (Cornell University)|Jan 26, 2018

Complexity and Algorithms in Graphs参考文献 16被引用 6

一句话总结

本文为函数 $ f: [n] \to [r] $ 的单调性测试建立了近乎紧致的自适应下界，证明了当 $ \varepsilon = 1/2 $ 时查询复杂度为 $ \Omega\bigl(\frac{\log r}{\log\log r}\rvert) $，并完全刻画了小 $ \varepsilon $ 情况下的复杂度为 $ \Theta\bigl(\varepsilon^{-1}\log(\varepsilon n)\bigr) $。此外，本文还提供了对超网格单调性测试中 $ \Omega(\varepsilon^{-1}d\log n - \varepsilon^{-1}\log\varepsilon^{-1}) $ 下界的全新证明，通过新颖的分析技术改进了先前的工作。

ABSTRACT

In the property testing model, the task is to distinguish objects possessing some property from the objects that are far from it. One of such properties is monotonicity, when the objects are functions from one poset to another. This is an active area of research. In this paper we study query complexity of $ε$-testing monotonicity of a function $f\colon [n] o[r]$. All our lower bounds are for adaptive two-sided testers. * We prove a nearly tight lower bound for this problem in terms of $r$. The bound is $Ω(\frac{\log r}{\log \log r})$ when $ε= 1/2$. No previous satisfactory lower bound in terms of $r$ was known. * We completely characterise query complexity of this problem in terms of $n$ for smaller values of $ε$. The complexity is $Θ(ε^{-1} \log (εn))$. Apart from giving the lower bound, this improves on the best known upper bound. Finally, we give an alternative proof of the $Ω(ε^{-1}d\log n - ε^{-1}\logε^{-1})$ lower bound for testing monotonicity on the hypergrid $[n]^d$ due to Chakrabarty and Seshadhri (RANDOM'13).

研究动机与目标

• 为线性单调性测试问题中自适应双侧测试器建立紧致下界，其中函数映射 $[n]$ 到 $[r]$。
• 解决范围大小 $ r $ 对查询复杂度的依赖关系，特别是当 $ \varepsilon = 1/2 $ 时，此前尚无令人满意的下界。
• 完全刻画小 $ \varepsilon $ 情况下关于 $ n $ 的查询复杂度，优于目前已知的最佳上界。
• 为超网格 $[n]^d$ 上的单调性测试提供 $ \Omega(\varepsilon^{-1}d\log n - \varepsilon^{-1}\log\varepsilon^{-1}) $ 下界的替代证明。

提出的方法

• 构建一个函数分布，这些函数与单调函数 $ \varepsilon $-远离，但通过自适应查询难以检测，利用基于二进制表示的递归结构。
• 采用一种递归过程，维护一个有序列表 $ S \subseteq [n] $，迭代移除满足 $ f(x_i) > f(y_i) $ 且 $ y_i - x_i \leq \varepsilon n $ 的违反相邻对 $ (x_i, y_i) $。
• 使用概率论证表明，至少有 $ \lfloor \varepsilon n / 2 \rfloor $ 个元素位于此类违反对中，且每个元素被查询并检测到的概率为常数。
• 通过将二进制索引划分为 $ d $ 个块，将基于线的构造映射到超网格域 $[n]^d$，同时保持单调性违反。
• 利用单调性违反在原始构造中仅在一个位上不同，且在超网格序下仍保持不变的事实，确保 $ \varepsilon $-远离状态得以保留。
• 基于区间和2的幂次结构的对偶论证，表明在每个违反对中，至少有一个元素必须在特定粒度层级被查询检测到。

实验结果

研究问题

• RQ1 对于线性域 $[n] \to [r]$ 上的 $ \varepsilon $-单调性测试，自适应双侧测试器的最优查询复杂度在 $ r $ 方面如何？特别是当 $ \varepsilon = 1/2 $ 时？
• RQ2 当 $ \varepsilon $ 取值较小时，查询复杂度如何随 $ n $ 变化？是否可以完全刻画？
• RQ3 能否使用一种不同且更直接的方法，重新证明超网格单调性测试中 $ \Omega(\varepsilon^{-1}d\log n - \varepsilon^{-1}\log\varepsilon^{-1}) $ 的下界？
• RQ4 范围大小 $ r $ 在决定单调性测试复杂度中的作用是什么？它与域大小 $ n $ 相比如何？

主要发现

• 本文建立了当 $ \varepsilon = 1/2 $ 时近乎紧致的下界 $ \Omega\bigl(\frac{\log r}{\log\log r}\bigr) $，解决了此前研究中该下界缺失的空白。
• 完全刻画了小 $ \varepsilon $ 情况下的查询复杂度为 $ \Theta\bigl(\varepsilon^{-1}\log(\varepsilon n)\bigr) $，优于此前已知的最佳上界。
• 本文为超网格 $[n]^d$ 上的单调性测试提供了 $ \Omega(\varepsilon^{-1}d\log n - \varepsilon^{-1}\log\varepsilon^{-1}) $ 下界的全新证明，为一个已知结果提供了新视角。
• 分析表明，对于任意 $ \varepsilon $-远离的函数，存在 $ \Omega(\varepsilon n) $ 个元素属于距离 $ \varepsilon n $ 以内的违反相邻对，且每个元素可通过常数概率的查询被检测到。
• 从线性域到超网格的变换保留了构造分布中函数的 $ \varepsilon $-远离状态，从而可将下界推广至高维空间。
• 该方法表明，即使在自适应环境下，复杂度也无法显著低于 $ \Omega\bigl(\varepsilon^{-1}\log(\varepsilon n)\bigr) $，该界与上界仅相差对数因子。