본 논문은 무작위 희소 그래프 및 하이퍼그래프 상의 대칭 Gibbs 분포에서 효율적으로 샘플링하는 알고리즘을 제시한다.
서론에서는 무작위 제약 만족 문제(r-CSP)와 Gibbs 분포의 중요성, 그리고 기존 연구의 한계를 설명한다.
응용 부분에서는 제안된 알고리즘을 반강자성 Ising 모델, 반강자성 Potts 모델, NAE-k-SAT, k-spin 모델 등에 적용한 결과를 제시한다.
알고리즘의 핵심 아이디어는 그래프의 모든 간선을 제거하고 빈 그래프에서 구성을 생성한 뒤, 간선을 하나씩 추가하면서 Gibbs 분포에 가까운 구성을 효율적으로 업데이트하는 것이다. 이 과정에서 공동 방법의 개념을 활용한다.
제안된 알고리즘은 기존 방법보다 허용되는 Gibbs 분포 매개변수의 범위가 더 넓으며, 다항식 시간 내에 n^(-Ω(1)) 총변동거리 내의 근사 샘플을 생성할 수 있다.
분석을 위해 SET 조건을 정의하고, 이를 만족하는 Gibbs 분포에 대해 알고리즘의 성능을 분석한다.
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Charilaos Ef... pada arxiv.org 03-20-2024
https://arxiv.org/pdf/2007.07145.pdfPertanyaan yang Lebih Dalam