[论文解读] On the probability of being synchronizable

Mikhail V. Berlinkov|arXiv (Cornell University)|Apr 21, 2013

semigroups and automata theory参考文献 19被引用 7

一句话总结

本文確立了隨機2字母有限自動機具有同步性的概率的精確漸近收斂速率，證明其為 $1 - \Theta(\frac{1}{n})$（$n$ 個狀態）。透過對隨機映射與強連通分量的機率分析，作者證明隨機自動機中同步性極有可能出現，從而確認 Cameron 的猜想，並為 2 顏色情況提供了緊緻的收斂速率邊界。

ABSTRACT

We prove that a random automaton with $n$ states and any fixed non-singleton alphabet is synchronizing with high probability (modulo an unpublished result about unique highest trees of random graphs). Moreover, we also prove that the convergence rate is exactly $1-Θ(\frac{1}{n})$ as conjectured by [Cameron, 2011] for the most interesting binary alphabet case. Finally, we present a deterministic algorithm which decides whether a given random automaton is synchronizing in linear in $n$ expected time and prove that it is optimal.

研究动机与目标

• 確定均勻隨機 2 字母有限自動機在 $n$ 個狀態下具有同步性的精確漸近機率。
• 解決隨機自動機中同步性機率收斂速率的緊緻性，特別是針對 2 字母情況。
• 將分析擴展至 $k$-字母自動機，並探討在弱連通性約束下的行為。
• 提供一個線性時間的同步性測試演算法，失敗機率為 $O(1/n)$，並透過實驗驗證。
• 探討同步性的推廣，如最小字串秩 $d > 1$，以及其機率可能性。

提出的方法

• 將隨機 2 字母自動機建模為 $n$ 個狀態上的隨機映射，轉移狀態均勻且獨立選擇。
• 分析弱連通性的機率與終極強連通分量（子自動機）的機率，顯示子自動機大小至少為 $n/4$ 的機率很高。
• 應用機率邊界估計自動機中具有小子自動機的數量，使用二項式與指數尾部估計。
• 開發基於群集分析與穩定對檢測的線性時間演算法，失敗機率為 $O(1/n)$。
• 透過順序測試字母對的方式，將演算法擴展至 $k > 2$-字母自動機，僅在低機率下回退至二次時間演算法。
• 透過在 $n \in \{1000, \dots, 10000\}$ 範圍內的 1000 個隨機二進制自動機上進行實驗，驗證理論結果，觀察到極低的失敗率。

实验结果

研究问题

• RQ1 隨機 2 字母自動機具有同步性的機率的精確漸近收斂速率為何？
• RQ2 2 字母情況下的收斂速率 $1 - \Theta(\frac{1}{n})$ 是否緊緻，從而確認 Cameron 的猜想？
• RQ3 對於 $k$-字母自動機，同步性的機率如何變化？速率 $1 - O(\frac{1}{n^{0.5k}})$ 是否緊緻？
• RQ4 均勻隨機弱連通自動機具有同步性的機率為何？其是否指數衰減？
• RQ5 隨機自動機中字串最小秩等於 $d > 1$ 的機率為何？對於 $d > 1$，該機率是否指數接近 1？

主要发现

• 具有 $n$ 個狀態的隨機 2 字母自動機具有同步性的機率為 $1 - \Theta(\frac{1}{n})$，確立了收斂階的精確程度。
• 2 字母情況下的收斂速率是緊緻的，確認 Cameron 的猜想，即速率為 $1 - O(\frac{1}{n})$。
• 對於 $k > 2$ 的 $k$-字母自動機，具有同步性的機率為 $1 - O(\frac{1}{n^{0.5k}})$，且該邊界被證明是緊緻的。
• 隨機自動機不具弱連通性的機率為 $\Omega(\frac{1}{n})$，提供了非同步性機率的下界。
• 每個終極強連通分量的大小至少為 $n/4$ 的機率為 $1 - O(\frac{1}{n})$，這支持了主要結果。
• 在 1000 個隨機二進制自動機（$n \in \{1000, \dots, 10000\}$）上的實驗顯示，平均每 1000 個自動機中有 5.09 個失敗，支持理論上的 $O(\frac{1}{n})$ 失敗率，且 $\alpha(n) \leq 0.0055$。對於 $k > 2$，演算法的期望時間複雜度為線性。