[论文解读] Randomly coloring graphs of bounded treewidth

Shai Vardi|arXiv (Cornell University)|Aug 8, 2017

Markov Chains and Monte Carlo Methods参考文献 38被引用 3

一句话总结

本文提出了一种新的马尔可夫链——Single-Flaw动力学，可在路径宽为 $O(\log n)$ 的图上实现对 $(1+\epsilon)\Delta$-染色的高效近乎均匀采样，并证明了此类图的快速混合性。主要贡献在于，提出了一种在有界树宽图上以多项式时间均匀随机采样合法染色的算法，优于以往需要围度或度数约束的结果。

ABSTRACT

We consider the problem of sampling a proper $k$-coloring of a graph of maximal degree $Δ$ uniformly at random. We describe a new Markov chain for sampling colorings, and show that it mixes rapidly on graphs of bounded treewidth if $k\geq(1+ε)Δ$, for any $ε>0$.

研究动机与目标

• 开发一种在有界树宽图上高效采样合法染色的算法，实现均匀随机采样。
• 克服以往方法对高围度或最小度条件的依赖。
• 证明当图的路径宽为 $O(\log n)$ 时，Single-Flaw动力学在多项式时间内快速混合，从而实现高效采样。
• 在 $k \geq (1+\epsilon)\Delta$ 的条件下，建立一种完全多项式几乎均匀采样器，用于合法染色。
• 将快速混合的适用范围扩展到更广泛的图类，包括树宽为 $O(1)$ 的图。

提出的方法

• 引入一种名为Single-Flaw动力学的新马尔可夫链，该链每次仅修改一个顶点以纠正颜色冲突。
• 使用规范路径在染色之间传输流，确保马尔可夫链转移图中的拥挤度有界。
• 应用导通率和拥挤度界限来证明快速混合，利用图的路径宽结构。
• 采用两阶段采样过程：将马尔可夫链模拟 $\tau(\delta_1)$ 步，返回首次观察到的合法染色。
• 使用霍夫丁不等式来界定在 $T$ 次试验内未能采样到合法染色的失败概率。
• 结合总变差距离界限与条件概率分析，确保输出分布与合法染色的均匀分布足够接近。

实验结果

研究问题

• RQ1 我们能否在不依赖高围度或最小度条件的前提下，实现对有界树宽图上合法染色采样的快速混合？
• RQ2 当 $k = (1+\epsilon)\Delta$ 时，Single-Flaw动力学在路径宽为 $O(\log n)$ 的图上是否能实现快速混合？
• RQ3 我们能否为有界树宽图上的合法染色构建一个完全多项式几乎均匀采样器？
• RQ4 基于导通率的Single-Flaw动力学分析是否足以证明当 $k \geq (1+\epsilon)\Delta$ 时的快速混合？
• RQ5 该算法在有界树宽图上的性能与Glauber动力学相比如何？

主要发现

• 当 $k \geq (1+\epsilon)\Delta$ 且 $\epsilon > 0$ 时，Single-Flaw动力学在路径宽为 $O(\log n)$ 的图上以多项式时间实现快速混合。
• 与以往结果不同，该算法在无需围度或度数约束的条件下实现了快速混合。
• 对于有界树宽图，该方法为合法染色提供了完全多项式几乎均匀采样器。
• 输出分布与合法染色均匀分布之间的总变差距离被控制在 $\delta$ 以内。
• 该算法在 $n$ 和 $\log \delta^{-1}$ 上为多项式时间，因此是完全多项式时间的。
• 分析表明，在 $T$ 次试验内采样到合法染色的概率至少为 $1 - \delta/3$，从而保证了高成功率。