[论文解读] Tight bounds for popping algorithms

Heng Guo, Kun He|arXiv (Cornell University)|Jul 4, 2018

VLSI and Analog Circuit Testing被引用 3

一句话总结

本文通过在部分拒绝采样框架下细化运行时间分析，为弹出算法——簇弹出、环弹出和汇点弹出——提供了紧致且常数最优的界。其将期望重采样界优化至最优常数：簇弹出为 $\frac{p_{\text{max}}}{1-p_{\text{max}}}mn$，环弹出为 $2mn$，汇点弹出为 $n(n-1)$，并构造了匹配的下界以证明其最优性。

ABSTRACT

We sharpen run-time analysis for algorithms under the partial rejection sampling framework. Our method yields improved bounds for: the cluster-popping algorithm for approximating all-terminal network reliability; the cycle-popping algorithm for sampling rooted spanning trees; the sink-popping algorithm for sampling sink-free orientations. In all three applications, our bounds are not only tight in order, but also optimal in constants.

研究动机与目标

• 在部分拒绝采样框架下改进弹出算法的运行时间分析。
• 为簇弹出、环弹出和汇点弹出算法中期望重采样变量数建立紧致且常数最优的界。
• 为网络可靠性与采样问题提供高效实现及更快的近似算法。
• 通过构造匹配的下界示例，证明界值的最优性。
• 统一并深化对部分拒绝采样中极值实例的理论理解。

提出的方法

• 利用 [GJL17] 中关于极值部分拒绝采样中期望重采样事件的精确公式：$\mathbb{E}[\text{resampled events}] = \frac{\Pr(\text{恰好一个坏事件})}{\Pr(\text{无坏事件})}$。
• 将该公式应用于三种弹出算法：用于网络可靠性的簇弹出、用于有根生成树的环弹出，以及用于无汇点定向的汇点弹出。
• 通过单射和保持1的映射来界定比值 $\frac{|\Omega_1^{\text{var}}|}{|\Omega_0|}$，从而导出期望重采样的紧致上界。
• 采用图论构造与基于深度的分析（例如 $0pt(v)$）来刻画有效配置，并确保映射的单射性。
• 使用 Tarjan 的动态连通性算法，实现 $O(mn)$ 时间采样连通子图。
• 构造极值示例（如环）以证明所推导的界在常数上无法进一步改进。

实验结果

研究问题

• RQ1 簇弹出中期望重采样变量数能否以最优常数进行界定？
• RQ2 环弹出的 $O(mn)$ 界在常数因子上是否紧致？
• RQ3 汇点弹出的期望重采样次数能否低于 $O(mn)$，且 $n(n-1)$ 是否为最优？
• RQ4 改进后的界是否能带来更快的全终端网络可靠性近似算法？
• RQ5 理论界是否可通过显式构造实现，以证明其紧致性？

主要发现

• 簇弹出中期望重采样变量数的上界为 $\frac{p_{\text{max}}}{1-p_{\text{max}}}mn$，优于先前的 $\frac{p_{\text{max}}}{1-p_{\text{max}}}m^2n$ 界。
• 通过使用 Tarjan 算法，实现了 $O(mn)$ 时间复杂度的连通子图采样高效算法。
• 环弹出中期望重采样次数最多为 $2mn$，常数因子优于先前的 $O(mn)$ 界。
• 对于汇点弹出，期望重采样变量数最多为 $n(n-1)$，该界为最优，并与环示例相匹配。
• 所有界在阶与常数上均紧致，通过匹配的下界构造得到验证。
• 改进后的界带来了更快的 $O(mn^2\log n)$ 全终端网络可靠性近似算法，优于先前的 $O(m^2n^3)$。