标签：mathbb tau 有向图 rklund det Bj per sigma operatorname
本文将对 STOC2022 的一篇论文: "The shortest even cycle problem is tractable" 进行解读. 虽然这是一篇很新的文章, 但是其核心技术还是相当通俗易懂的.
下文讨论的皆为无权图, 或者说, 环的长度就是经过的点的数目.
我们知道, 最短奇环是容易解决的, 因为最短奇回路 (closed walk) 一定是环 (cycle). 其次, 无向图情况下的最短偶环也在较早的时候规约到了一般图带权匹配, 从而得到了多项式复杂度的解法.
注意: 本文仅梳理了原文的主线脉络, 细节处可能有所不同, 也未涉及
代数刻画
我们从排列观点来看. 对于任何一个排列 \(\sigma \in S_n\), 可将其看做 \(\{1,\dots,n\}\) 的一个环分解, 我们知道, \(\operatorname{sgn} (\sigma) = (-1)^{e(\sigma)}\), 其中 \(e(\sigma)\) 是偶环的数量. 我们知道,
\[\det A = \sum_{\sigma \in S_n} \operatorname{sgn} (\sigma) \prod_{k=1}^n A_{k \sigma(k)}, \quad \operatorname{per} A = \sum_{\sigma \in S_n} \prod_{k=1}^n A_{k \sigma(k)}. \]现在我们希望统计偶环的信息, 如果记
\[\operatorname{pcc} A = \sum_{\sigma \in S_n} [ 2 \nmid e(\sigma) ] \prod_{k=1}^n A_{k \sigma(k)}, \]我们立刻就得到等式
\[\operatorname{pcc} A = \frac 12 ( \operatorname{per} A - \det A). \]与之前对最短奇环的观察相似, pcc (parity cycle cover) 与最短偶环的计算有着重要的联系. 记形式元 \(X\), 记原图的邻接矩阵为 \(A\), 那么 \(\operatorname{pcc} (A + IX)\) 的最高次项就指示出了最短偶环. 也即, 将 \(A\) 中任意非零的一项看做形式变元, 若最高次项为 \(X^{n-k}\), 那么 \(k\) 就是最短偶环的长度.
从 2 到 4
按照 \(\operatorname{pcc}\) 的定义, \(\operatorname{pcc}(A+IX)\) 是一个关于 \(X\) 以及 \(A_{11},\dots,A_{nn}\) 的多项式, 若我们取定有限域 \(F\), 著名的 Schwartz–Zippel 引理保证了, 我们只需要将 \(A\) 中对应的有边的项带入一个 \(F\) 中均匀随机的值, 由于这是一个关于 \(A_{11},\dots,A_{nn}\) 的不超过 \(n\) 次的多项式, 对应的 \(X^{n-k}\) 次项的系数有 \(\geq 1 - \frac{n}{|F|}\) 的概率非零!
域上的多项式通常来说没有域本身简单, 但是我们有一个简单的转化, 只要取足够大的域 \(|F| > n\), 然后选取 \(n+1\) 个点带入进行插值, 就可以转化成域本身的问题了.
但需要小心的是, 虽然 \(\det\) 是好算的, 但 \(\operatorname{per}\) 一般情况下是困难的. 但庆幸的是, 我们在这个问题上有一些已知的重要结果. 显然, 在 \(\bmod 2\) 的情况下, \(\operatorname{per} A = \det A\), 而在 \(\bmod 4\) 的情况下, \(\operatorname{per} A\) 也有多项式复杂度的算法. 我们不妨考虑先让 \(F=\mathbb F_{2^d}\), 然后考虑如何求出 \(\det, \operatorname{per}\) 更多些的信息.
回顾我们是如何在计算上处理 \(\mathbb F_{2^d}\) 的, 我们需要首先找一 \(d\) 次不可约多项式 \(f(X)\), 然后有 \(\mathbb F_2[X] / f(X) \cong \mathbb F_{2^d}\). 为了支持除以 \(2\), 一个自然的想法是将"模 \(2\) 多项式"改成"模 \(4\) 多项式". 这时, 我们记 \(\mathbb E_{2^d} = (\mathbb Z / 4\mathbb Z) [X] /f(X)\), 这时的 \(f(X)\) 系数可以直接取保留原本的 \(\{0, 1\}\) 中对应的值, 这样的话, 由于
\[2\operatorname{pcc} A = \operatorname{per} A - \det A, \]我们计算出了 \(\operatorname{per} A - \det A\) 取 \(A\in M_{n\times n}(\mathbb E_{2^d})\) 的值之后, 就可以还原出 \(\operatorname{pcc} A\) 在 \(\mathbb F_{2^d}\) 下的信息了.
per 的计算
我们知道, Samuelson–Berkowitz 算法已经能在 \(O(n^4)\) 算任意环上的矩阵 \(\det\) 了 (虽然我们也有办法更快, 但这里不是那么重要), 所以问题的关键在于如何计算 \(\operatorname{per}\).
事实上, Valiant 先前已经提出了一个 \(\tilde O(n^5)\) 的算法计算 \(\operatorname{per}\), 但原文中在此进一步将做法优化到了 \(\tilde O(n^{\omega + 2})\), 而且是比较巧妙的.
我们可以对于 Gauss 消元进行观察. Gauss 消元基于的关键性质在于, 将矩阵的一行乘以一个数加到另一行上去, 不影响 \(\det\) 的值, 但是对于 \(\operatorname{per}\) 呢? 我们注意, \(\operatorname{per}\) 依然满足线性性, 也即, 将一行乘以一个数 \(\tau\), 那么 \(\operatorname{per}\) 的值相应的乘以 \(\tau\), 以及对应的有某行上的可加性. 因此, 对于矩阵 \(M\), 设 \(M'\) 是将第 \(j\) 行减去第 \(i\) 行的 \(\tau\) 倍, \(M''\) 是将第 \(j\) 行替换成第 \(i\) 行, 那么我们有
\[\operatorname{per} M = \operatorname{per} M' + \tau \operatorname{per} M''. \]我们知道 \(\det M'' = 0\), 但是 \(\operatorname{per} M'' \neq 0\), 这有什么用呢? 为此, 本文最为精彩的一步来了: 我们将给 \(\operatorname{per} M''\) 与某个矩阵的 \(\det\) 再次建立联系! 由于 \(M''\) 有两行是相同的, 不妨设 \(i=1\), \(j=2\), \(M''_{1k} = a_k\), 我们可以将 \(\operatorname{per} M''\) 写作:
\[\begin{align*} \operatorname{per} M'' &= \sum_{\sigma \in S_n} ([\sigma(1) < \sigma(2)] + [\sigma(1) > \sigma(2)]) \prod_{k=1}^n M''_{k\sigma(k)}\\ &= 2 \sum_{\sigma \in S_n} [\sigma(1) < \sigma(2)] \prod_{k=1}^n M''_{k\sigma(k)}\\ &= 2 \left(\sum_{k=0}^{n-2} [x^k]\right) \det \begin{pmatrix} a_1 & a_2 x & \cdots & a_n x^{n-1}\\ a_1x^{n-1} & a_2 x^{n-2} & \cdots & a_n\\ M''_{31} & M''_{32} & \cdots & M''_{3n} \\ \vdots & \vdots & \ddots & \vdots\\ M''_{n1} & M_{n2} & \cdots & M_{nn} \end{pmatrix}. \end{align*} \]等等, 最后一步是什么? 让我们冷静一下. 看看一个置换 \(\sigma\) 取到的 \(x\) 的次数是什么, 是 \(x^{n-1 + \sigma(1) - \sigma(2)}\), 所以提取 \(0\sim n-2\) 次项刚好就只取了 \(\sigma(1) < \sigma(2)\) 的贡献. 由于前面乘以了 \(2\), 所以 \(\det\) 的符号也不重要了. 而且, 对于非奇异的多项式矩阵, 存在一个确定性算法在 \(\tilde O(n^{\omega} \mu)\) 的时间内计算出其行列式. [Labahn–Neiger–Zhou, 2017] (我还不会这个的具体做法, 之后看有没有时间研究一下) 我们可以随机选取 \(\rho \in \mathbb F_{2^d}\) 检验 \(\det M''(\rho)\) 是否是 \(0\), 如果不是, 则调用该算法. 我们这个矩阵的平均度数满足 \(\mu \leq 2\), 也就是说可以在复杂度 \(\tilde O(n^{\omega})\) 的时间内算出结果.
我们还未完全论述这个类似 Gauss 消元过程的完整流程. 记 \(\overline{\upsilon}\) 将 \(\upsilon\in \mathbb E_{2^d}\) 按照自然的方法映射到 \(\mathbb F_{2^d}\). 我们首先要指出的是, \(\upsilon\) 可逆当且仅当 \(\overline{\upsilon}\) 可逆. 当 \(\overline{\upsilon}\) 可逆, 我们记 \(\overline{\upsilon} \cdot \overline{\tau} = 1\), 那么就有 \(\upsilon \cdot \tau \in 1 + 2\mathbb E_{2^d}\). 这里我们用类似 Newton 迭代的方法, 可以将 \(\tau\) 提升到
\[\tau_* = \tau ( 2 - \upsilon \tau ), \]易见 \(\upsilon \cdot \tau_* = 1\). 因此, 我们先从小到大处理 \(M\) 的每一列, 如果第 \(i\) 列的 \(j\in [i, n]\) 部分存在一个 \(\overline{M_{ji}} \neq 0\) 非零的, 将其换到第 \(i\) 行, 并用来消去其他行. 否则如果有一个非零的, 依然可以用来消去剩下的, 如果全 \(0\), 则答案为 \(0\).
清算
在这一过程中, 我们消元了 \(O(n^2)\) 次, 所以产生了 \(O(n^2)\) 个 \(M''\) 需要计算, 复杂度是 \(\tilde O(n^{\omega+2})\), 支配了 \(\det\) 中的 \(\tilde O(n^4)\) 一项. 因此通共复杂度是 \(\tilde O(n^{\omega+2})\).
此外, 我们需要分析错误率. 我们总共进行了 \(O(n)\) 次 \(\operatorname{per}\) 的调用, 也就是总共进行了 \(O(n^3)\) 次由 Schwartz–Zippel 引理保证正确性的操作. 总共正确的概率被 union bound 控制到 \(1 - O(n^4/2^d)\). 当 \(d = 5\lg n\) 时, 我们有正确率 \(1 - O(n^{-1})\).
标签：mathbb,tau,有向图,rklund,det,Bj,per,sigma,operatorname 来源： https://www.cnblogs.com/Elegia/p/16441315.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。