[论文解读] An Improvement over the GVW Algorithm for Inhomogeneous Polynomial Systems

Yao Sun, Dongdai Lin+1 more|arXiv (Cornell University)|Apr 5, 2014

Polynomial and algebraic computation参考文献 12被引用 4

一句话总结

本文提出M-GVW，即GVW算法在非齐次多项式系统中计算格罗布纳基的变体。通过引入突变对并重新分配签名，M-GVW避免了因签名过高而拒绝低次J-对的情况，从而减少多项式次数增长并加速计算——尤其在使用M4RI优化的线性代数例程的布尔多项式环中效果显著。

ABSTRACT

The GVW algorithm is a signature-based algorithm for computing Gröbner bases. If the input system is not homogeneous, some J-pairs with higher signatures but lower degrees are rejected by GVW's Syzygy Criterion, instead, GVW have to compute some J-pairs with lower signatures but higher degrees. Consequently, degrees of polynomials appearing during the computations may unnecessarily grow up higher and the computation become more expensive. In this paper, a variant of the GVW algorithm, called M-GVW, is proposed and mutant pairs are introduced to overcome inconveniences brought by inhomogeneous input polynomials. Some techniques from linear algebra are used to improve the efficiency. Both GVW and M-GVW have been implemented in C++ and tested by many examples from boolean polynomial rings. The timings show M-GVW usually performs much better than the original GVW algorithm when mutant pairs are found. Besides, M-GVW is also compared with intrinsic Gröbner bases functions on Maple, Singular and Magma. Due to the efficient routines from the M4RI library, the experimental results show that M-GVW is very efficient.

研究动机与目标

• 为解决GVW算法在处理非齐次多项式系统时的低效问题，即由于Syzygy准则导致高签名、低次J-对被拒绝。
• 减少格罗布纳基计算过程中中间多项式的不必要次数增长。
• 通过检测和处理突变对——即其次数低于签名所预测的多项式——来提升基于签名的算法性能。
• 使用GF(2)上的密集线性代数实现并优化M-GVW，利用M4RI库实现高效的矩阵运算。
• 在布尔多项式系统上展示M-GVW相较于GVW以及现有系统（Maple、Singular、Magma）的优越性能，尤其在存在突变对时。

提出的方法

• 引入突变对作为其次数低于签名所预测值的多项式，表明输入系统存在结构性非齐次性。
• 修改GVW算法，在计算过程中检测突变对，并将其附加到初始系统中，赋予新的、更高优先级的签名。
• 为突变对重新分配签名，以确保其生成的J-对即使具有较高签名也不会被Syzygy准则拒绝。
• 在矩阵约化中使用单向消去法以保持签名顺序，适配M4RI例程以处理GF(2)上的密集矩阵。
• 使用C++实现GVW与M-GVW，优化矩阵运算，重点针对布尔多项式环。
• 在M-GVW中应用次数限制（Deg-Limit = 4）以控制突变对的搜索范围，限制计算开销。

实验结果

研究问题

• RQ1 非齐次多项式的存在如何因J-对选择中的签名-次数不匹配而影响GVW算法的效率？
• RQ2 识别并重新处理突变对——即其签名预测次数偏高但实际次数偏低的多项式——是否能提升基于签名的格罗布纳基算法性能？
• RQ3 M-GVW在非齐次系统中相较于GVW，能在多大程度上减少最大矩阵次数和计算时间？
• RQ4 M-GVW在布尔多项式系统上与Maple、Singular和Magma的本机格罗布纳基实现相比性能如何？
• RQ5 M4RI提供的优化密集线性代数例程能否有效适配于基于签名算法中的单向消去法？

主要发现

• M-GVW在非齐次系统中显著减少矩阵规模和计算时间：对于HFE_35_96，GVW耗时超过1小时，而M-GVW仅用57.988秒完成。
• 在21×21系统中，M-GVW检测到924个次数小于4的突变对，尽管矩阵次数相近，计算时间从14.991秒减少至8.226秒。
• 对于HFE_25_96，M-GVW将矩阵规模从63341×68298缩减至14271×15222，时间从131.806秒减少至3.418秒。
• M-GVW在所有测试实例中均优于Maple、Singular和Magma，HFE系统上速度提升最高达10倍。
• M4RI优化的M-GVW实现性能优于Maple、Singular和Magma的本机函数，尤其在GF(2)上的密集矩阵中表现更优。
• 新引入的矩阵消去交换方法保持了高效性，mzd_ple()与gvw_ple()性能几乎相同。