[论文解读] Cyclic classes and attraction cones in max algebra

Sergeĭ Sergeev|ArXiv.org|Mar 23, 2009

Advanced Algebra and Logic参考文献 33被引用 3

一句话总结

该论文提出了一种高效算法，通过矩阵平方和可视化缩放，在最大代数中计算吸引锥和最终轨道周期。通过利用临界图的循环类以及可视化矩阵中的类似循环矩阵的对称性，该算法实现了 $O(n^3 /\log n)$ 的时间复杂度，从而能够快速计算不可约最大代数矩阵幂和轨道的周期行为。

ABSTRACT

In max algebra it is well-known that the sequence A^k, with A an irreducible square matrix, becomes periodic at sufficiently large k. This raises a number of questions on the periodic regime of A^k and A^k x, for a given vector x. Also, this leads to the concept of attraction cones in max algebra, by which we mean sets of vectors whose ultimate orbit period does not exceed a given number. This paper shows that some of these questions can be solved by matrix squaring (A,A^2,A^4, ...), analogously to recent findings concerning the orbit period in max-min algebra. Hence the computational complexity of such problems is of the order O(n^3 log n). The main idea is to apply an appropriate diagonal similarity scaling A -> X^{-1}AX, called visualization scaling, and to study the role of cyclic classes of the critical graph. For powers of a visualized matrix in the periodic regime, we observe remarkable symmetry described by circulants and their rectangular generalizations. We exploit this symmetry to derive a concise system of equations for attraction cpne, and we present an algorithm which computes the coefficients of the system.

研究动机与目标

• 表征不可约矩阵在最大代数中矩阵幂 $A^k$ 和轨道 $A^k \otimes x$ 的最终周期行为。
• 定义并计算吸引锥——即其轨道具有不超过给定边界的最终周期的向量集合。
• 开发一种计算高效的算法，通过矩阵平方和可视化缩放确定周期状态和轨道周期。
• 利用可视化矩阵的对称性，特别是循环矩阵及其推广形式，推导吸引锥的方程组。
• 提供一种算法，用于在临界图强连通时计算定义吸引锥的方程组的系数。

提出的方法

• 应用对角相似性缩放（可视化缩放），将矩阵变换为所有元素均不超过最大循环几何平均值的形式。
• 分析临界图的循环类，以理解矩阵幂中的周期结构和对称性。
• 使用矩阵平方（$A, A^2, A^4, \dots$）高效计算周期状态，将时间复杂度降低至 $O(n^3 \log n)$。
• 利用循环矩阵及其矩形推广形式，描述可视化矩阵幂的对称结构。
• 基于可视化矩阵幂的周期对称性和分块结构，推导出表征吸引锥的方程组。
• 实现一种算法，用于在临界图强连通时计算吸引锥方程组的系数。

实验结果

研究问题

• RQ1 在最大代数中，如何高效计算给定向量 $x$ 的 $A^k \otimes x$ 的最终周期？
• RQ2 确定吸引锥（即具有有界最终轨道周期的向量集合）的计算复杂度是多少？
• RQ3 临界图的循环类如何影响矩阵幂和轨道的周期行为？
• RQ4 能否利用可视化矩阵周期幂中的对称性，推导出吸引锥的方程组？
• RQ5 可视化缩放在简化最大代数中周期状态分析方面起到什么作用？

主要发现

• 通过矩阵平方，可以在 $O(n^3 \log n)$ 时间内计算 $A^k \otimes x$ 的最终周期，其结果与最大-最小代数中的结论类似。
• 在最大代数中，吸引锥可由可视化矩阵周期幂的类似循环矩阵对称性所导出的方程组表征。
• 对于可视化矩阵，其周期幂表现出由循环矩阵及其矩形推广形式描述的结构化对称性。
• 当临界图强连通时，可算法化地计算定义吸引锥的方程组的系数。
• 瞬态时间 $T(A)$ 有界，此后 $A^k$ 进入周期状态，其周期等于临界图的循环性。
• 在示例中，使用 $A^{128}$ 和 $A^{132}$ 来计算 $r \geq T(A)$ 时的 $A^r$ 块，其中 $A^{132}$ 是临界循环长度 $\gamma=6$ 的倍数，从而实现正确的块重构。