[论文解读] Constant-Time Algorithms for Monomer-Dimer Systems on Bounded Degree Graphs

Marc Lelarge, Hang Zhou|arXiv (Cornell University)|Aug 17, 2012

Graph theory and applications被引用 1

一句话总结

本论文提出了首个在有界度图上以加法误差 ɛn 近似单体-二聚体划分函数 log Z(G, λ) 的亚线性时间算法，实现常数时间的查询复杂度，且该复杂度在 1/ɛ 上为多项式。该方法利用吉布斯分布中的关联衰减，高效估计匹配概率、平均匹配大小和熵，同时证明了在 1/ɛ 上的二次下界。

ABSTRACT

For a graph G on n vertices, let Z(G, λ) be the partition function of the monomer-dimer system defined by: Z(G, λ) = ∑ k mk(G)λk, where mk(G) is the number of matchings of cardinality k in G. We develop a constant-time algorithm for approximating log Z(G, λ) at an arbitrary point λ ≥ 0 with additive error ɛn. In the bounded degree model, the query complexity of our algorithm is polynomial in 1/ɛ, and we provide a lower bound quadratic in 1/ɛ for this problem. This is the first analysis of a sublinear-time algorithm for a #P-complete problem. Our approach is based on the correlation decay of the Gibbs distribution associated with Z(G, λ). We show that our algorithm approximates the probability for a vertex to be covered by a matching sampled according to this Gibbs distribution in a near-optimal sublinear-time. We extend our results to approximate the average size and the entropy of such a matching with an additive error in constant time, where again the query complexity is polynomial in 1/ɛ and the lower bound is quadratic in 1/ɛ. Our algorithms are simple to implement and of practical use when dealing with massive datasets. Our results extend to many other problems where the correlation decay is known to hold as for independent sets or the Ising model up to the critical activity.

研究动机与目标

• 开发一种在有界度图上近似单体-二聚体划分函数 Z(G, λ) 的亚线性时间算法。
• 以加法误差 ɛn 实现 log Z(G, λ) 的常数时间近似。
• 将该方法扩展至以相同误差和查询复杂度估计吉布斯分布下平均匹配大小与熵。
• 通过证明在 1/ɛ 上的二次下界，建立该问题的紧致查询复杂度界限。
• 将该框架推广至其他 #P-完全问题，如独立集与伊辛模型，其中已知存在关联衰减。

提出的方法

• 该算法利用与单体-二聚体系统相关的吉布斯分布中的关联衰减，以限制图中远距离依赖。
• 通过递归探索局部邻域至有界深度，估计随机匹配中某顶点被覆盖的边际概率。
• 查询复杂度在 1/ɛ 上为多项式，探索深度的选择基于关联衰减速率以确保误差界限。
• 通过局部采样与聚合技术，计算 log Z(G, λ)、平均匹配大小与熵的近似值。
• 通过减少至估计顶点覆盖概率，实现以亚线性查询高效计算全局统计量。
• 通过利用这些设定中已知的关联衰减结果，将该方法扩展至独立集与伊辛模型等其他模型。

实验结果

研究问题

• RQ1 能否在有界度图上以加法误差 ɛn 实现 log Z(G, λ) 的亚线性时间近似？
• RQ2 在有界度模型中，近似 log Z(G, λ) 的最优查询复杂度是多少？
• RQ3 该算法是否也能以相同的误差和时间界限估计吉布斯分布下随机匹配的平均大小与熵？
• RQ4 吉布斯分布中的关联衰减特性是否能实现全局图统计量的常数时间近似？
• RQ5 该框架能否推广至其他 #P-完全问题，如独立集与伊辛模型？

主要发现

• 本文提出了一种常数时间算法，以加法误差 ɛn 近似 log Z(G, λ)，其查询复杂度在 1/ɛ 上为多项式。
• 该算法通过利用关联衰减限制远距离顶点的影响，实现局部计算。
• 证明了在 1/ɛ 上的二次下界，表明该算法近乎最优。
• 该方法还可实现平均匹配大小与熵的常数时间近似，且误差相同为 ɛn。
• 该框架可推广至其他问题，如独立集与伊辛模型，其中已知存在关联衰减。
• 由于其亚线性查询复杂度，这些算法易于实现且适用于大规模数据集。