[论文解读] Computing Least Fixed Points of Probabilistic Systems of Polynomials

Javier Esparza, Andreas Gaiser+1 more|arXiv (Cornell University)|Dec 21, 2009

Polynomial and algebraic computation参考文献 7被引用 3

一句话总结

本文提出了一种强多项式算法，用于判断概率多项式系统（PSP）的最小不动点是否等于全1向量，并首次引入一种实用算法，通过精确与非精确算术的混合方法，计算可靠的、线性收敛的最小不动点下界与上界。该方法在确保正确性的同时有效处理数值不稳定性，在分支过程模型的实验中优于以往基于线性规划（LP）的方法。

ABSTRACT

We study systems of equations of the form X1 = f1(X1, ..., Xn), ..., Xn = fn(X1, ..., Xn), where each fi is a polynomial with nonnegative coefficients that add up to 1. The least nonnegative solution, say mu, of such equation systems is central to problems from various areas, like physics, biology, computational linguistics and probabilistic program verification. We give a simple and strongly polynomial algorithm to decide whether mu=(1, ..., 1) holds. Furthermore, we present an algorithm that computes reliable sequences of lower and upper bounds on mu, converging linearly to mu. Our algorithm has these features despite using inexact arithmetic for efficiency. We report on experiments that show the performance of our algorithms.

研究动机与目标

• 开发一种强多项式算法，用于判断概率多项式系统（PSP）的最小不动点是否等于(1,…,1)，这对于确定分支过程中的灭绝概率以及概率程序的终止性至关重要。
• 设计一种实用算法，即使在使用非精确浮点数算术时，也能计算出可靠且线性收敛的最小不动点下界与上界序列。
• 通过结合精确算术以保证正确性与浮点数算术以提升效率，克服PSP中牛顿法的数值不稳定性。
• 实现对中子分支过程中临界半径的高效计算，以及类似模型中爆炸或非终止性阈值位于一致性边界时的情形。
• 通过在真实PSP实例上的实验，证明所提方法在实用性与优越性方面优于现有基于LP的方法。

提出的方法

• 一致性检查将问题简化为求解线性方程组，从而实现一种强多项式算法，避免了精确线性规划带来的计算开销。
• 在边界计算方面，算法采用基于牛顿法的新型迭代过程，但通过引入精确算术以保持正确性，同时利用浮点数算术提升速度。
• 通过结合区间算术与精确有理数算术，确保在每次迭代中均保持有保证的下界与上界。
• 在计算过程中动态调整精度（通过Maple的Digits），仅在必要时增加，从而在效率与可靠性之间取得平衡。
• 算法应用压缩映射原理，确保下界与上界均线性收敛至最小不动点。
• 实验使用离散化的中子分支过程与随机上下文无关语法，评估真实PSP实例下的性能表现。

实验结果

研究问题

• RQ1 能否在强多项式时间内判断概率多项式系统（即其最小不动点是否为(1,…,1)）的一致性？
• RQ2 能否设计一种实用算法，在使用非精确算术时，仍能计算出可靠且线性收敛的最小不动点下界与上界？
• RQ3 与现有基于LP的方法相比，新一致性算法在真实PSP实例上的运行速度与可扩展性表现如何？
• RQ4 在随机模型的不动点计算中，混合使用精确与非精确算术在数值效率与正确性之间能实现多大程度的平衡？
• RQ5 中子分支过程中的临界半径是多少？能否使用所提算法高效计算该值？

主要发现

• 在中子分支过程实例上，所提一致性算法的运行速度比基于LP的方法快达一个数量级，测试案例中速度提升约10倍。
• 对于含n=150个变量的PSP，临界半径被计算在区间[2.981, 2.991]内，与Harris的估计值2.9高度吻合。
• 对于n=20、50和100的情况，一致性算法均在1秒内完成，而精确LP方法在n=100时耗时长达258秒，显示出显著的可扩展性优势。
• 边界计算算法实现了线性收敛，准确位数随迭代次数线性增加，所有测试案例中最多仅需两次精度提升（至Digits=20）。
• 在所有测试实例中，算法在前几轮迭代内即计算出严格小于1的上界，从而证明了不一致性，验证了正确性与高效性。
• 该方法成功避免了浮点数牛顿法中常见的假阳性问题，例如错误报告μ ≥ 1而实际μ < 1，即使在仅含7个变量的小型系统中亦如此。