[论文解读] Extended Rate, more GFUN

Waldemar Hebisch, Martin Rubey|arXiv (Cornell University)|Feb 5, 2007

Polynomial and algebraic computation参考文献 11被引用 6

一句话总结

本文提出了一款扩展的FriCAS软件包，利用先进的递推关系与生成函数技术，自动推测有理数、有理函数及多项式序列的闭式公式。基于Beckermann与Labahn的算法，该工具在GFUN、Rate.m和Guess.m等现有工具的基础上进行了增强，尤其在高阶与多变量情形下，显著提升了多项式与有理函数递推关系的发现性能。

ABSTRACT

We present a software package that guesses formulae for sequences of, for example, rational numbers or rational functions, given the first few terms. We implement an algorithm due to Bernhard Beckermann and George Labahn, together with some enhancements to render our package efficient. Thus we extend and complement Christian Krattenthaler's program Rate, the parts concerned with guessing of Bruno Salvy and Paul Zimmermann's GFUN, the univariate case of Manuel Kauers' Guess.m and Manuel Kauers' and Christoph Koutschan's qGeneratingFunctions.m.

研究动机与目标

• 开发一种更高效且可扩展的软件工具，用于自动发现整数、有理数及多项式序列的闭式公式。
• 通过引入多项式与有理函数递推检测的先进算法，扩展现有猜测工具（如GFUN、Rate.m和Guess.m）。
• 提升对高阶与多变量递推关系的检测性能，尤其针对具有复杂代数或Holonomic结构的序列。
• 通过单变量猜测技术的递归应用，支持多变量与有理函数序列的闭式公式推测。
• 提供模块化、可扩展的框架，支持未来集成新的函数类与变换，以增强符号计算中的适用范围。

提出的方法

• 基于Beckermann与Labahn方法的广义算法，从序列项中计算多项式与有理函数递推关系。
• 采用差分算子（Δn）与q-差分算子（Qn）的混合方法，检测潜在的递推结构。
• 利用生成函数与Pade逼近技术，识别有理函数或Holonomic解。
• 通过归一化与缺陷最小化技术，解决多重或不一致参数化下的解的歧义问题。
• 引入模块化设计，允许用户通过新增函数类与变换扩展该软件包。
• 通过避免冗余检查并高效利用多项式环上的线性代数，优化性能。

实验结果

研究问题

• RQ1 如何提升复杂序列（涉及有理函数与多项式）的序列猜测工具的效率与准确性？
• RQ2 对现有算法进行哪些改进，可实现对高阶多项式与有理函数递推关系的更好检测？
• RQ3 在多变量闭式公式推断中，单变量猜测技术的递归应用在多大程度上是有效的？
• RQ4 所提出软件包在各类序列类型上的性能与GFUN和Guess.m等成熟工具相比如何？
• RQ5 除Δn与Qn外，哪些额外的变换或算子可显著扩展可成功猜测的序列类别？

主要发现

• 该软件包在恢复ℚ上随机齐次多项式递推关系方面表现优异，性能显著优于GFUN与Guess.m，尤其在高阶与高次情形下。
• 在Hermite多项式幂次序列中，该软件包优于GFUN，后者因内存限制而无法处理最高次情形。
• 运行时间显示该软件包具有良好的可扩展性，低阶情形下计算时间低于1秒，而阶数70、次数70的情形下也控制在100秒以内。
• guessExpRat与guessBinRat的实现目前无效，表明这些领域仍需进一步的算法改进。
• 通过归一化与缺陷最小化，即使存在多个候选解，也能获得一致且唯一的解。
• 模块化设计支持可扩展性，未来可集成新的函数类与变换（如OEIS中使用的类型）。