[论文解读] Asymptotic analysis of the cyclic structure of permutations

Robertas Petuchovas|arXiv (Cornell University)|Nov 9, 2016

Bayesian Methods and Mixture Models参考文献 30被引用 3

一句话总结

本博士论文运用鞍点分析与拉普拉斯变换，推导出对称群 $\mathrm{S}_n$ 中无长循环或短循环的排列密度的渐近公式。论文建立了随机排列的循环计数分布与泊松近似之间总变差距离的精确渐近估计，通过精细分析狄克曼函数与布赫斯特布函数，显著改进了先前的结果。

ABSTRACT

This is my dissertation. Its research object is a symmetric group of permutations acting on a finite set. The density of permutations with a given cycle structure pattern is explored when the group order tends to infinity. New and sharper asymptotic formulas are obtained. The latter are applied in approximations of the cycle vector distribution of a random permutation. The saddle-point method, Lagrange-Bürmann inversion formula, Laplace transformations, and other techniques of complex analysis are applied.

研究动机与目标

• 推导出在 $\mathrm{S}_n$ 中无长度 $> r $ 的循环的排列比例的渐近公式，其中 $ r = r(n) \leq n $，覆盖 $ r $ 的全部范围。
• 通过鞍点技术，获得无长度 $ \leq r $ 的循环的排列密度的尖锐渐近估计，拓展已知结果。
• 确定随机排列的联合循环计数分布与均值为 $ 1/j $ 的多变量泊松模型之间总变差距离的渐近行为。
• 通过改进控制该距离的密度 $ \nu(n,r) $ 与 $ \kappa(n,r) $ 的估计，进一步优化现有总变差距离的误差界。
• 展示数论技术（如素因数分解中使用的方法）在排列循环结构分析中的适用性。

提出的方法

• 采用鞍点分析，基于生成函数与复渐近方法，推导出避免特定长度循环的排列数的渐近展开。
• 利用狄克曼函数与布赫斯特布函数的拉普拉斯变换，精炼循环计数分布的渐近分析。
• 该方法借鉴解析数论中的技术，特别是研究整数中素因数分布的方法，并将其适配于排列循环结构分析。
• 关键组成部分包括狄克曼函数 $ \varrho(v) $、布赫斯特布函数 $ \omega(v) $ 以及函数 $ R(v) $，后者捕捉 $ \omega(v) - e^{-\gamma} $ 的振荡行为。
• 分析过程涉及将求和拆分为不同区间，并利用 $ \varrho(v) $ 与 $ \omega(v) $ 的变差与连续性性质，推导出积分逼近的误差界。
• 通过 $ \omega(v) - e^{-\gamma} $ 的符号变化次数与振荡次数的界，将各部分估计拼接起来，利用相关函数零点分布结果。

实验结果

研究问题

• RQ1 当 $ n \to \infty $ 时，对于任意 $ r = r(n) \leq n $，$ \mathrm{S}_n $ 中无长度大于 $ r $ 的循环的排列的渐近密度是多少？
• RQ2 当 $ n \to \infty $ 时，对于 $ r = r(n) \leq n $，$ \mathrm{S}_n $ 中无长度至多为 $ r $ 的循环的排列的渐近密度是多少？
• RQ3 当 $ n \to \infty $ 时，随机排列的循环计数向量与均值为 $ 1/j $ 的多变量泊松向量之间总变差距离的渐近行为如何？
• RQ4 通过改进 $ \nu(n,r) $ 与 $ \kappa(n,r) $ 的估计，能否进一步优化总变差距离渐近公式中的误差项？
• RQ5 分析素因数分解的技术在多大程度上可被适配以研究排列的循环结构？

主要发现

• 通过鞍点分析，为 $ \nu(n,r) $（即无长度 $> r $ 的循环的排列密度）建立了对所有 $ r = r(n) \leq n $ 的渐近公式，显著优于所有先前结果。
• 对于 $ \kappa(n,r) $（即无长度 $ \leq r $ 的循环的排列密度），论文提供了新的渐近估计，拓展并改进了先前工作，同样基于鞍点方法。
• 证明了总变差距离 $ d_{TV}(n,r) $ 满足精确的渐近公式，主项涉及 $ \varrho(v) |\omega(u-v) - e^{-\gamma}| $ 的积分，误差项受控于 $ O\left( \frac{u^{3/2} \log^2(u+1)}{r} H(u) \right) $。
• 总变差距离 $ d_{TV}(n,r) $ 的误差项被证明为 $ O\left( \frac{u^{3/2} \log^2(u+1)}{r} H(u) \right) $，其中 $ H(u) \sim \int_1^u \varrho(u-v) R(v) dv $，且 $ R(v) $ 捕获布赫斯特布函数的振荡行为。
• $ \omega(v) - e^{-\gamma} $ 在区间 $[1,u]$ 上的符号变化次数被控制在 $ O(u) $ 以内，从而可应用基于积分逼近的求和估计。
• 结果表明，当鞍点法与拉普拉斯变换及数论技术结合时，可为排列循环结构分析提供强大而有效的框架。