[论文解读] Random sampling of plane partitions

Olivier Bodini, Éric Fusy+1 more|Dec 1, 2007

Bayesian Methods and Mixture Models被引用 3

一句话总结

本论文通过Pak的双射与Boltzmann抽样技术，首次提出了基于大小的平面分拆的多项式时间均匀随机抽样方法。其近似大小抽样时间复杂度为O(n(ln n)^3)，精确大小抽样时间复杂度为O(n^{4/3})，从而实现了统计物理模型中极限形状与冻结边界的有效模拟。

ABSTRACT

This article presents uniform random generators of plane partitions according to the size (the number of cubes in the 3D interpretation). Combining a bijection of Pak with the method of Boltzmann sampling, we obtain random samplers that are slightly superlinear: the complexity is $O(n (\ln n)^3)$ in approximate-size sampling and $O(n^{4/3})$ in exact-size sampling (under a real-arithmetic computation model). To our knowledge, these are the first polynomial-time samplers for plane partitions according to the size (there exist polynomial-time samplers of another type, which draw plane partitions that fit inside a fixed bounding box). The same principles yield efficient samplers for $(a imes b)$-boxed plane partitions (plane partitions with two dimensions bounded), and for skew plane partitions. The random samplers allow us to perform simulations and observe limit shapes and frozen boundaries, which have been analysed recently by Cerf and Kenyon for plane partitions, and by Okounkov and Reshetikhin for skew plane partitions.

研究动机与目标

• 开发基于大小（三维解释中立方体总数）的平面分拆的高效均匀随机抽样方法。
• 克服现有方法受限于固定边界框而缺乏针对大小约束的平面分拆的多项式时间抽样方法的不足。
• 实现统计物理研究中观察到的极限形状与冻结边界等统计性质的大规模模拟。
• 结合Pak的双射与Boltzmann抽样，实现具有良好集中特性的高效抽样。

提出的方法

• 利用Pak的双射将整数对多重集（类M）映射到平面分拆，保持大小不变。
• 对类M应用Boltzmann抽样，其具有简单的组合分解与生成函数∏_{r≥1} (1−x^r)^{-r}。
• 基于形式组合规则构建类M的Boltzmann抽样器，实现多重集的高效随机生成。
• 利用Boltzmann模型下大小分布的良好集中性，设计基于拒绝采样的近似大小抽样方法。
• 使用Pak双射的逆映射将抽样得到的多重集转换为平面分拆。
• 基于期望运行时间进行复杂度分析，利用奇异生成函数的渐近结果。

实验结果

研究问题

• RQ1 能否实现基于大小而非固定边界框的平面分拆的高效均匀随机抽样？
• RQ2 平面分拆的精确大小与近似大小均匀抽样的计算复杂度是多少？
• RQ3 如何利用Pak的双射将平面分拆抽样问题转化为多重集抽样问题？
• RQ4 Boltzmann模型下平面分拆的大小分布具有怎样的渐近集中特性？
• RQ5 该方法能否以类似效率扩展至(a×b)-有界平面分拆与斜平面分拆？

主要发现

• 在实数运算模型下，平面分拆的近似大小抽样器时间复杂度为O(n(ln n)^3)。
• 精确大小抽样器的时间复杂度为O(n^{4/3})，是首个基于大小的多项式时间精确大小抽样器。
• 该方法实现了对给定大小的所有平面分拆的均匀抽样，支持极限形状与冻结边界的统计分析。
• 对于(a×b)-有界平面分拆，期望运行时间渐近为~ (ab / φ(ab)) n，其中φ(α) = (α/e)^α / Γ(α)。
• Boltzmann模型下的大小分布集中性良好，支持高成功率的高效拒绝采样。
• 该框架可自然扩展至(a×b)-有界与斜平面分拆，且保持相似的复杂度界。