[论文解读] Improved bounds for randomly sampling colorings via linear programming

Sitan Chen, Michelle Delcourt+3 more|arXiv (Cornell University)|Jan 6, 2019

Markov Chains and Monte Carlo Methods被引用 25

一句话总结

本文通过使用线性规划和对偶性识别并克服了耦合方法中的结构性障碍，改进了图着色中快速混合Glauber动力学的已知界限。证明了在一般图中当 k ≥ Δ + 2 − o(Δ) 时动力学快速混合，这是自Vigoda在1999年取得结果以来的首次突破，并将结果推广至列表着色情形，其中 k > 2Δ。

ABSTRACT

A well-known conjecture in computer science and statistical physics is that Glauber dynamics on the set of k-colorings of a graph G on n vertices with maximum degree Δ is rapidly mixing for k ≥ Δ + 2. In FOCS 1999, Vigoda [43] showed that the flip dynamics (and therefore also Glauber dynamics) is rapidly mixing for any [MATH HERE]. It turns out that there is a natural barrier at [MATH HERE], below which there is no one-step coupling that is contractive with respect to the Hamming metric, even for the flip dynamics. We use linear programming and duality arguments to fully characterize the obstructions to going beyond [MATH HERE]. These extremal configurations turn out to be quite brittle, and in this paper we use this to give two proofs that the Glauber dynamics is rapidly mixing for any [MATH HERE] for some absolute constant ϵe0 > 0. This is the first improvement to Vigoda's result that holds for general graphs. Our first approach analyzes a variable-length coupling in which these configurations break apart with high probability before the coupling terminates, and our other approach analyzes a one-step path coupling with a new metric that counts the extremal configurations. Additionally, our results extend to list coloring, a widely studied generalization of coloring, where the previously best known results required k > 2Δ.

研究动机与目标

• 通过线性规划识别一阶耦合方法在 k = Δ + 1 时的已知障碍，以克服Glauber动力学的限制。
• 在一般图中建立Glauber动力学在 k ≥ Δ + 2 − o(Δ) 时的快速混合性，改进Vigoda在1999年得到的 k > 11Δ/6 的界限。
• 将改进后的混合界限推广至列表着色，此前结果要求 k > 2Δ。
• 分析阻碍耦合的极端配置的脆弱性，从而支持新的耦合策略。
• 开发新型度量和变长度耦合技术，以考虑这些极端配置的几何结构。

提出的方法

• 将一阶耦合的障碍形式化为线性规划，以表征在汉明度量下无法保持压缩性的配置。
• 使用对偶性论证识别出在 k < Δ + 2 时阻碍快速混合的主要极端配置。
• 设计一种变长度耦合，使得极端配置在耦合终止前极有可能被打破，从而确保压缩性。
• 引入一种新度量，用于计数极端配置的出现次数，从而实现具有改进压缩特性的单步路径耦合。
• 利用极端配置的脆弱性，证明其在Glauber动力学下不会长期持续，从而支持快速混合。
• 通过将LP和耦合构造适配到广义着色设定，将该框架扩展至列表着色。

实验结果

研究问题

• RQ1 在 k ≤ Δ + 1 时，导致一阶耦合无法保持压缩性的精确结构性障碍是什么？
• RQ2 能否通过线性规划识别出的极端配置在Glauber动力学下被证明是瞬态的，从而支持改进的混合界限？
• RQ3 能否设计一种变长度耦合，使其在存在这些极端配置的情况下仍能以高概率实现压缩？
• RQ4 能否构造一种新度量，以捕捉极端配置的几何结构，并实现超越已知 k = Δ + 2 门槛的单步路径耦合？
• RQ5 这些技术在多大程度上可推广至列表着色？能否将界限从 k > 2Δ 改进至 k ≥ Δ + 2 − o(Δ)？

主要发现

• 本文识别出在 k = Δ + 1 时，由于在汉明度量下不具备压缩性的极端配置，导致一阶耦合存在根本性障碍。
• 通过线性规划和对偶性，作者完全表征了这些极端配置，并证明其具有脆弱性，即在Glauber动力学下以高概率被打破。
• 构建了一种变长度耦合，通过利用极端配置的瞬态特性实现压缩，从而证明了当 k ≥ Δ + 2 − o(Δ) 时的快速混合性。
• 通过一种计数极端配置的新度量，实现了一步路径耦合并获得压缩性，为同一范围内的快速混合提供了第二个证明。
• 结果可推广至列表着色，将已知界限从 k > 2Δ 改进至 k ≥ Δ + 2 − o(Δ)，这是该设定下的首次突破。
• 本工作确立了对于所有图，当 k ≥ Δ + 2 − o(Δ) 时，Glauber动力学是快速混合的，解决了在接近猜想阈值 k = Δ + 2 的长期悬而未决问题。