[论文解读] An Algorithmic Proof of the Lopsided Lovasz Local Lemma.

Nicholas J. A. Harvey, J. Vondrák|arXiv (Cornell University)|Apr 8, 2015

Limits and Structures in Graph Theory参考文献 25被引用 5

一句话总结

本文提出了一种基于重采样预言机的不规则Lovász局部引理的算法证明，使得在概率组合学中能够高效地处理依赖事件。该方法通过统一各类应用中的重采样预言机，推广了先前的工作，并在拉丁超十字、彩虹匹配以及具有可证明有界重采样步数的生成树方面取得了新结果。

ABSTRACT

For any probability space and a collection of events with what we call a lopsided association graph, we give an algorithmic proof of the Lopsided Lovasz Local Lemma, and its stronger known forms. The only algorithmic assumption is the availability of a resampling oracle for each event. The resampling oracles act as an abstraction layer that isolates the details of the proof from the details of the probability space. The number of resamplings performed by the algorithm is bounded by expressions similar to those obtained by Moser and Tardos, and others. The overall computational efficiency depends on the runtime of the resampling oracles. We develop efficient resampling oracles for the known uses of the Lopsided Lovasz Local Lemma, unifying previous algorithmic applications and presenting new results for packings of Latin transversals, rainbow matchings and rainbow spanning trees.

研究动机与目标

• 开发一个适用于多种概率空间的不规则Lovász局部引理的通用算法框架。
• 通过重采样预言机抽象概率构造的复杂性，将证明逻辑与底层空间细节分离。
• 将Moser-Tardos框架扩展至不规则依赖图，同时保持效率和有界的重采样次数。
• 统一并扩展局部引理的先前算法应用，包括在组合设计中的新结果。
• 为关键问题（如拉丁超十字、彩虹匹配和彩虹生成树）提供高效的重采样预言机。

提出的方法

• 引入不规则关联图以建模事件之间的非对称依赖关系，推广标准依赖图。
• 为每个事件定义一个重采样预言机，高效生成满足事件条件的新结果。
• 设计一种随机算法，根据不规则图结构反复重采样违反条件的事件。
• 证明该算法的期望重采样次数受类似于Moser和Tardos原始边界的表达式所限制。
• 通过最小化对底层概率空间的依赖，确保计算效率，仅依赖预言机的运行时间。
• 为特定组合问题（包括拉丁超十字和彩虹结构）构造高效的重采样预言机。

实验结果

研究问题

• RQ1 是否可以使用统一的框架在多种概率空间中对不规则Lovász局部引理进行算法化证明？
• RQ2 如何设计重采样预言机，使其在处理非对称依赖关系时仍保持高效？
• RQ3 在不规则局部引理下，收敛所需的期望重采样次数是多少？
• RQ4 该框架能否统一并扩展局部引理的先前算法应用？
• RQ5 使用该算法方法可推导出哪些新的组合结果？

主要发现

• 该算法的期望重采样次数受类似于Moser-Tardos分析中表达式的边界所限制。
• 只要重采样预言机在多项式时间内运行，该框架即可支持高效计算。
• 在拉丁超十字的打包、彩虹匹配和彩虹生成树方面建立了新的算法结果。
• 该方法通过单一抽象层统一了局部引理的先前算法应用。
• 为关键组合问题构造了高效的重采样预言机，支持实际实现。
• 不规则依赖结构使该方法比对称依赖模型具有更广泛的应用范围。