[论文解读] On the Complexity of the F5 Gröbner basis Algorithm

Magali Bardet, Jean‐Charles Faugère+1 more|arXiv (Cornell University)|Dec 5, 2013

Polynomial and algebraic computation参考文献 23被引用 20

一句话总结

本文分析了在变量处于同时诺特位置的通用情况下，Faugère 的 F5 Gröbner 基算法的复杂度，给出了多项式数量和操作次数的紧致界。结果表明，当使用标准高斯消去法时，F5 在中等至高次多项式系统中优于传统的矩阵约化方法，尤其在采用 Strassen 矩阵乘法时性能优势随变量数呈指数增长。

ABSTRACT

We study the complexity of Gröbner bases computation, in particular in the generic situation where the variables are in simultaneous Noether position with respect to the system. We give a bound on the number of polynomials of degree $d$ in a Gröbner basis computed by Faugère's $F_5$ algorithm~(Fau02) in this generic case for the grevlex ordering (which is also a bound on the number of polynomials for a reduced Gröbner basis, independently of the algorithm used). Next, we analyse more precisely the structure of the polynomials in the Gröbner bases with signatures that $F_5$ computes and use it to bound the complexity of the algorithm. Our estimates show that the version of~$F_5$ we analyse, which uses only standard Gaussian elimination techniques, outperforms row reduction of the Macaulay matrix with the best known algorithms for moderate degrees, and even for degrees up to the thousands if Strassen's multiplication is used. The degree being fixed, the factor of improvement grows exponentially with the number of variables.

研究动机与目标

• 分析在变量处于同时诺特位置的通用情况下，F5 算法的复杂度。
• 在 grevlex 排序下，界定 F5 计算的 Gröbner 基中次数为 d 的多项式数量。
• 使用标准高斯消去法估计 F5 的计算复杂度，并与矩阵约化技术进行比较。
• 研究 F5 相较于传统方法的性能优势，特别是在高次多项式和高变量数系统中的表现。
• 为理解 F5 在密码学等实际应用中的高效性提供理论基础。

提出的方法

• 作者利用 F5 计算中签名的结构，推导出 Gröbner 基中次数为 d 的多项式数量的上界。
• 分析 F5 中使用的矩阵的稀疏性和约化结构，特别关注顶端约化和完全约化。
• 通过建模 Macaulay 矩阵上高斯消去所需的操作数来估计复杂度，引入了矩阵乘法的指数 ω。
• 分析假设系统处于同时诺特位置，以确保正则性指数界成立。
• 比较 F5 的顶端约化和完全约化变体，表明完全约化可产生更稀疏的矩阵，从而提升性能。
• 利用 Macaulay 对中间多项式次数的上界，推导出渐近复杂度估计。

实验结果

研究问题

• RQ1 在通用情况下，F5 在 grevlex 排序下计算的 Gröbner 基中，次数为 d 的多项式最大数量是多少？
• RQ2 对于高次多项式系统，F5 的复杂度与标准矩阵约化技术相比如何？
• RQ3 使用 Strassen 矩阵乘法算法对 F5 的性能有何影响？
• RQ4 为何随着变量数增加，F5 的完全约化变体相较于顶端约化变体表现更优？
• RQ5 与密集矩阵运算相比，F5 中的矩阵稀疏性在多大程度上降低了计算成本？

主要发现

• F5 计算的 Gröbner 基中次数为 d 的多项式数量被限制在 (δ^m - 1)/(δ - 1) 以内，其中 δ 是输入多项式的平均次数。
• 对于固定的 δ，F5 相较于标准矩阵约化方法的性能提升随变量数 n 呈指数增长。
• 使用标准高斯消去法的 F5 算法在中等次数下优于矩阵约化方法，且当采用 Strassen 矩阵乘法时，甚至在次数达到数千的情况下仍具优势。
• 完全约化变体的 F5 比顶端约化变体更高效，原因在于其生成的中间矩阵更稀疏，尤其在 n 增大时更为明显。
• 理论界与实验结果之间的差距可归因于实际中矩阵的稀疏性以及非均匀的约化模式。
• 复杂度估计在 n 上渐近指数增长，指数为 ω(n - ℓ)，对于次数为 δ 的系统，当解集为零维时，其复杂度在解集大小上为多项式。