[论文解读] Rapid mixing in Markov chains

Ravi Kannan|ArXiv.org|Apr 28, 2003

Markov Chains and Monte Carlo Methods参考文献 19被引用 6

一句话总结

本文通过基于导通率的技术证明了多项式时间收敛，建立了用于近似计数问题的马尔可夫链的快速混合性——如计算0-1矩阵的永久值、估计凸体的体积以及计算伊辛模型的划分函数。关键贡献是提出了一种通用框架，通过等周不等式和典型路径方法证明快速混合，从而为#P-难问题提供了高效的随机算法。

ABSTRACT

A wide class of ``counting'' problems have been studied in Computer Science. Three typical examples are the estimation of - (i) the permanent of an $n imes n$ 0-1 matrix, (ii) the partition function of certain $n-$ particle Statistical Mechanics systems and (iii) the volume of an $n-$ dimensional convex set. These problems can be reduced to sampling from the steady state distribution of implicitly defined Markov Chains with exponential (in $n$) number of states. The focus of this talk is the proof that such Markov Chains converge to the steady state fast (in time polynomial in $n$). A combinatorial quantity called conductance is used for this purpose. There are other techniques as well which we briefly outline. We then illustrate on the three examples and briefly mention other examples.

研究动机与目标

• 建立用于#P-难问题近似计数的马尔可夫链的多项式时间收敛性（快速混合）。
• 开发并应用基于导通率的技术，证明快速收敛到稳态分布。
• 将这些方法扩展到连续状态链，如凸集中的球形随机游走和对数凹测度。
• 展示该框架在关键问题中的适用性：永久值计算、体积估计和伊辛模型划分函数。
• 为计算机科学与统计力学中各类计数问题提供统一的快速混合性证明方法。

提出的方法

• 使用导通率作为关键度量以限制混合时间，导通率的下界意味着快速混合。
• 应用典型路径方法为离散链（如子图采样和完美匹配问题）建立导通率的下界。
• 利用梅特ropolis算法构造具有所需平稳分布的可逆马尔可夫链，尤其适用于加权子集和匹配问题。
• 利用洛瓦兹-西蒙诺维奇等周不等式处理凸集和对数凹测度，以限制连续状态链中的导通率。
• 在匹配问题中引入修改后的权重，使梅特ropolis链实现快速混合，通过图序列约化迭代估计权重。
• 在凸集K中应用步长为δ的球形随机游走，使用以当前点为中心、半径为δ的球内均匀提议分布。

实验结果

研究问题

• RQ1 能否证明用于近似计数的马尔可夫链在多项式时间内混合？
• RQ2 在具有指数级多状态的链中，何种组合或几何性质可确保快速混合？
• RQ3 如何在离散和连续状态马尔可夫链中为计数问题限制导通率？
• RQ4 凸集和对数凹测度的等周不等式在多大程度上可用于证明快速混合？
• RQ5 该框架能否扩展到列联表、铺砌问题和图着色问题？

主要发现

• 基于导通率的方法证明了图中边子集上随机游走的梅特ropolis版本的快速混合性，导通率的下界通过典型路径建立。
• 对于凸集，洛瓦兹-西蒙诺维奇等周不等式确保导通率被直径的函数下界控制，从而实现多项式混合时间。
• 在具有对数凹测度F的凸集K上，球形随机游走快速混合，其导通率被一个常数乘以边界积分与集合测度之比的下界所控制。
• 非负矩阵的永久值可用多项式时间近似，如Jerrum、Sinclair和Vigoda所示，其基于快速混合链。
• 该方法可扩展到加权匹配集和子图的采样，通过修改权重，即使原始权重未知，也能实现快速混合。
• 该框架适用于铁磁伊辛模型，其中快速混合使得划分函数的多项式时间近似成为可能。