[论文解读] Random Latin squares and Sudoku designs generation

Roberto Fontana|arXiv (Cornell University)|May 16, 2013

graph theory and CDMA systems参考文献 6被引用 4

一句话总结

本文提出了一种新颖的算法，通过将拉丁方和数独设计建模为特定构造图中的最大团，实现其均匀随机生成。利用图分析工具（如Cliquer），该方法能高效地从所有可能配置中采样，通过团枚举与基于排列的变换实现均匀性，成功实现至 n=7 的实例生成，并可通过可扩展的图分析技术实现更大 n 的可行性。

ABSTRACT

Uniform random generation of Latin squares is a classical problem. In this paper we prove that both Latin squares and Sudoku designs are maximum cliques of properly defined graphs. We have developed a simple algorithm for uniform random sampling of Latin squares and Sudoku designs. It makes use of recent tools for graph analysis. The corresponding SAS code is annexed.

研究动机与目标

• 开发一种拉丁方与数独设计的均匀随机采样方法，以解决现有基于马尔可夫链方法的局限性。
• 建立拉丁方与特定图结构中最大团之间的理论等价性，从而支持新型算法方法。
• 使用图分析工具（如Cliquer）实现一种实用且高效的算法，实现至 n=7 的精确均匀采样。
• 通过修改图结构以满足区块约束，将该框架扩展至数独设计。
• 探索利用子图采样与现代图分析软件在更高阶次（如 n=9）下的可扩展性。

提出的方法

• 将拉丁方建模为图中的最大团，其中节点表示错位排列（无不动点的排列），边连接在所有位置上均互不相交的排列。
• 构建图 𝒢ₙ，其节点为 {1,…,n} 的错位排列，且当两个错位排列在所有位置上均互不相交时，节点之间连边。
• 对于数独设计，定义一个修改后的图 𝔾̃ₙ，以强制实施区块约束，确保 9×9 情况下 3×3 子网格结构的有效性。
• 使用图分析软件（如Cliquer）枚举 𝒢ₙ 或 𝔾̃ₙ 中大小为 n 的所有最大团，其对应于有效的拉丁方或数独设计。
• 通过随机选择一个团，对符号 2 到 n 应用随机排列，并对列进行排列，以实现最终输出的完全均匀性，从而生成均匀随机的拉丁方。
• 对于数独，将行与列的排列限制为带/堆栈排列，以在随机化过程中保持区块结构。

实验结果

研究问题

• RQ1 能否通过在适当定义的图中将拉丁方与数独设计识别为最大团，实现其均匀生成？
• RQ2 对于 n≤7 的阶次，枚举此类图中所有最大团的计算可行性如何？
• RQ3 与 Jacobson 和 Matthews（1996）等基于马尔可夫链蒙特卡洛的方法相比，所提出的基于团的方法在效率与均匀性方面表现如何？
• RQ4 在 n=9 的数独中，子图采样在多大程度上可用于近似均匀采样？
• RQ5 现代图分析工具是否能够处理大规模拉丁方均匀采样所需的团枚举规模？

主要发现

• 本文成功证明了拉丁方与数独设计恰好对应于特定构造图中的最大团，为它们的生成提供了新的理论基础。
• 对于 n=7，该算法通过枚举错位图中的 16,942,080 个最大团，成功生成了 61,479,419,904,000 个有效拉丁方。
• 该方法在 SAS 中实现，并通过从总共 17,972 个数独错位排列中随机选取 809 个，成功生成了一个有效的 9×9 数独设计。
• 在 9×9 数独子图中，最大团的大小为 8，共识别出 73 个此类最大团，证实了结构上的可行性。
• 该方法在原则上具有可扩展性：近期图分析软件的进展使得更大 n 的均匀采样成为可能，尽管计算成本随 n 增加而上升。
• 该算法通过团枚举与后续符号和列的随机排列实现均匀采样，确保最终输出无偏差。