[论文解读] Estimating Certain Non-Zero Littlewood-Richardson Coefficients

Hariharan Narayanan|arXiv (Cornell University)|Jun 18, 2013

Advanced Combinatorial Mathematics参考文献 13被引用 3

一句话总结

本文提出了一种随机化强多项式时间近似方案，用于估计某些非零的Littlewood-Richardson系数，该方法借助Dikin随机游走进行体积估计，并利用Brunn-Minkowski型不等式。研究证明，在一个平移后的Littlewood-Richardson锥中，存在一个常数比例的系数可被高效近似，并在特定条件下证明了这些系数的近似对数凹性。

ABSTRACT

Littlewood Richardson coefficients are structure constants appearing in the representation theory of the general linear groups ($GL_n$). The main results of this paper are: 1. A strongly polynomial randomized approximation scheme for certain Littlewood-Richardson coefficients. 2. A proof of approximate log-concavity of certain Littlewood-Richardson coefficients.

研究动机与目标

• 开发一种高效近似方案，用于计算一般情况下#P难的Littlewood-Richardson系数。
• 解决当一般线性群的秩未固定时，近似这些系数的挑战，因为在标准复杂性假设下精确计算不可行。
• 在Littlewood-Richardson锥的特定区域内建立这些系数的近似对数凹性性质。
• 提供一种运行时间为强多项式的时间复杂度的随机化算法，其运行时间仅依赖于输入规模和误差参数，而不依赖于输入数据的位长度。
• 将高效近似的适用范围从已知的正性测试和固定秩情况扩展到系数空间中的一个大而密集的子集。

提出的方法

• 该方法通过Dikin随机游走（一种用于从对数凹分布中抽样的马尔可夫链蒙特卡洛技术）对与Littlewood-Richardson系数相关的多面体 $ Q_{\nu}^\nu $ 进行体积估计。
• 利用Hoeffding不等式控制体积比 $ \mathrm{vol}(\zeta_{\lambda\mu}^{\nu}) / \mathrm{vol}(Q_{\lambda\mu}^{\nu}) $ 估计误差，确保高概率集中性。
• 算法在实数模型下运行，采用截断实数算术，确保位长度增长不影响强多项式运行时间。
• 借助Brunn-Minkowski不等式关联Minkowski组合下凸集的体积，从而推导出近似对数凹性。
• 关键技术步骤在于证明：对于向量 $ (1/\epsilon)(\Delta, \Delta, \Delta') + LRC $ 中的向量，系数 $ c_{\lambda\mu}^\nu $ 与关联多面体的体积相差在 $ 1 \pm C\epsilon $ 因子之内。
• 通过引入 $ (\Delta, \Delta, \Delta') $ 的平移，确保系数估计能被体积比良好近似，从而实现高效抽样与估计。

实验结果

研究问题

• RQ1 是否存在一种随机化强多项式时间算法，能够以高概率和所需精度近似大量非零的Littlewood-Richardson系数？
• RQ2 尽管精确对数凹性不成立，但在锥的特定区域内，Littlewood-Richardson系数是否具有某种形式的近似对数凹性？
• RQ3 当输入规模受 $ \gamma $ 限制时，可以高效近似的Littlewood-Richardson系数占所有非零系数的比例是多少？该比例如何依赖于 $ n $ 和 $ \gamma $ ？
• RQ4 在平移锥 $ (1/\epsilon)(\Delta, \Delta, \Delta') + LRC $ 中，多面体 $ Q_{\lambda\mu}^\nu $ 的体积与实际系数 $ c_{\lambda\mu}^\nu $ 有何关系？
• RQ5 即使使用截断实数，Dikin随机游走是否可被调整，以在有界误差下高效抽样 $ Q_{\lambda\mu}^\nu $ 上的均匀测度？

主要发现

• 在区域 $ (\Delta, \Delta, \Delta') + LRC $ 中，存在一种随机化强多项式时间近似方案，其运行时间关于 $ n $、$ \epsilon^{-1} $ 和 $ \log \delta^{-1} $ 为多项式，且独立于输入的位长度。
• 当 $ \gamma > Cn^5 $ 时，集合 $ LRC \cap \{ \| (\lambda,\mu,\nu) \|_1 \leq \gamma \} $ 中所有非零系数的 $ 1 - C(n^5 / \gamma) $ 比例可被以高概率在 $ 1 \pm C\epsilon $ 误差范围内近似。
• 在 $ (1/\epsilon)(\Delta, \Delta, \Delta') + LRC $ 中，系数满足近似对数凹性不等式：$ \log c_{\lambda\mu}^\nu + C\epsilon \geq \theta \log c_{\lambda'\mu'}^{\nu'} + (1-\theta) \log c_{\bar{\lambda}\bar{\mu}}^{\bar{\nu}} $，其中 $ n > C $。
• 对于所有 $ (\lambda,\mu,\nu) \in (1/\epsilon)(\Delta, \Delta, \Delta') + LRC $，比值 $ c_{\lambda\mu}^\nu / \mathrm{vol}(Q_{\lambda\mu}^\nu) $ 落在 $ [1 - C\epsilon, 1] $ 区间内，确保体积估计能良好逼近系数。
• 体积估计程序的成功概率下界为 $ 1 - \delta $，误差概率通过Hoeffding不等式控制，样本数量为 $ \epsilon^{-1} $ 和 $ \log \delta^{-1} $ 的多项式。
• 该方法实现了 $ 1 \pm C\epsilon $ 的乘法近似因子，且误差界独立于输入大小的位长度，从而确认了算法的强多项式性质。