Multi-dimensional Boltzmann Sampling of Languages
本文讨论了统一的随机生成的单词从上下文无关的语言(在一个字母表的大小$k$),同时限制每个字母的目标频率的出现。我们的方法包括在一个多维扩展的玻尔兹曼采样器\cite{Duchon2004}。我们发现,大多数\emph{strong-connectivity}假设下,我们的采样返回一个字的大小在$[(1-\varepsilon)n, (1+\varepsilon)n]$和确切的频率在$\mathcal{O}(n^{1+k/2})$预期的时间。此外,如果我们接受$Ω(\sqrt{n})$中每个字母出现次数的宽度公差区间,则我们的采样器在预期的$\mathcal{O}(n)$时间内执行近似大小的单词生成。我们说明了这些技术的俄罗斯方块镶嵌均匀的统计在不同类型的tetraminoes的生成。
2010-06-01 cs.DS
Analytic Samplers and the Combinatorial Rejection Method
玻尔兹曼采样器,由Duchon等人在2001年引入,使得可以从任何可以通过符号方法指定的类中均匀地绘制近似大小的对象。这通过计算相关的生成函数来获得正确的分支概率。但是这些采样器需要生成函数,特别是在它们的光照度附近,这是一个复杂的问题;它们还需要选择适当的调整值以最好地控制生成对象的大小。虽然埃克塞特~ \etal对第一个问题提出了一个全面的问题,但随着他们的牛顿预言的引入,问题仍然存在。通过调整拒绝方法,一个经典的工具,从随机,我们展示了如何获得一个变种的玻尔兹曼采样器框架,这是宽容的近似,甚至大的。我们的目标是双重的:这允许使用近似值进行精确采样;但这也允许在调整采样器时具有更大的灵活性。对于简单树类,我们将尝试展示如何使用它来更容易地校准采样器。
2014-11-13 cs.DM cs.DS math.CO
Polynomial tuning of multiparametric combinatorial samplers
玻尔兹曼采样器和递归方法是用于大型组合结构(例如地图、平铺、RNA序列或各种树状结构)的近似大小和精确大小随机生成的突出算法框架。在其多参数变体中,这些采样器允许控制对应于多个组合参数的期望值的分布。例如,可以控制叶子的数量、树中节点度的轮廓或字符串中某些子模式的数量。然而,这种灵活的控制需要额外的非平凡的调整过程。在本文中,我们提出了一个有效的多项式时间,相对于调谐参数的数量,调整算法的基础上凸优化技术。最后,我们说明了我们的方法的效率,使用几个应用程序的合理,代数和Pólya结构,包括polyomino平铺与规定的瓷砖频率,平面树与给定的特定节点度分布,和加权分区。
2017-10-29 cs.CC cs.DS math.CO
Tuning as convex optimisation: a polynomial tuner for multi-parametric combinatorial samplers
组合采样器是为近似和精确生成大型随机组合结构而设计的算法方案,例如上下文无关的单词,各种树状数据结构,地图,平铺,RNA分子。它们可以适应具有附加参数的组合规格,从而允许对参数化组合模式的输出轮廓进行更灵活的控制。例如,可以控制叶子的数量、树中节点度的轮廓或生成的字符串中某些子模式的数量。然而,这种灵活的控制需要一个额外的和不平凡的调整过程。利用凸优化技术,我们提出了一个有效的调整算法的多参数组合规格。我们的算法在多项式时间内的系统描述长度,调整参数的数量,组合类的数量在规范中,和对数的总目标大小。我们证明了我们的方法的有效性,一系列的实际例子,包括合理的,代数的,和所谓的Pólya规格。我们展示了我们的方法如何可以适应广泛的不太典型的组合结构,包括对称多项式,标记集和周期的基数下界,简单的增加树或替换。最后,我们讨论了我们的原型调谐器实现的一些实际方面,并提供其基准测试结果。
2021-08-18 cs.CC cs.DM cs.DS
Layerwise Systematic Scan: Deep Boltzmann Machines and Beyond
School of Informatics, University of Edinburgh(爱丁堡大学信息学院);Department of Computer Science, ETH Zurich(苏黎世联邦理工学院计算机科学系)
对于马尔可夫链蒙特卡罗方法,理论和系统之间的最大差异之一是扫描顺序-虽然混合时间分析的大多数理论发展都涉及随机更新,但现实世界的系统都是通过系统扫描实现的。我们弥合这一差距的模型,表现出二分结构,包括,最值得注意的是,限制/深度玻尔兹曼机。这些模型的实际实现以分层的方式扫描变量。我们表明,分层交替扫描顺序的吉布斯采样器的松弛时间(时代)不大于随机更新吉布斯采样器(变量更新)。我们也构造例子来证明这个界是渐近紧的。通过标准不等式,我们的结果也意味着混合时间的比较。
2017-10-09 cs.DS cs.LG
Rapid mixing in positively weighted restricted Boltzmann machines
School of Informatics, University of Edinburgh, Informatics Forum, UK(爱丁堡大学信息学院);School of Computing and Data Science, The University of Hong Kong, HK(香港大学计算与数据科学学院)
本文通过分析铁磁双自旋系统的Glauber动力学,证明了正权重受限玻尔兹曼机的交替扫描采样器具有多对数混合时间界,并得到了临界阈值内的新混合时间界。
2026-05-25 cs.DS cs.LG math.PR
Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods
University of Texas at Austin(德克萨斯大学奥斯汀分校);NTUA(雅典国立技术大学);Yale University(耶鲁大学);UOA(雅典大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本研究提出分析组合问题解生成器的新理论框架,证明存在满足表达性、参数可处理、优化无次优驻点的生成模型,适用于多类经典组合问题,并提出可缓解梯度消失的正则化方法。
2023-11-07 cs.AI cs.DS cs.LG
Boltzmann sampling of irreducible context-free structures in linear time
我们继续我们的计划,提高所谓的玻尔兹曼采样算法的复杂性,为组合结构的精确采样,并达到平均线性时间复杂性,即最优性的乘法常数。在这里,我们解决这个问题的不可约的上下文无关的结构,一个广泛的家庭的结构,著名的Drmota-Lalley-伍兹定理适用。我们的算法是一个拒绝算法。其主要思想是挑选出一些自由度,即写$p(x)=p_1(y) p_2(x|y)$,它允许在$y$对象的级别上引入拒绝因子,这几乎肯定是$1$阶的。
2021-05-26 cs.DS math.CO
Uniform generation of random regular graphs
本文提出了一种新的组合对象的统一生成方法,并将其应用于d-正则图的统一采样REG。可以实现REG,使得每个图在预期时间O(nd^3)内生成,前提是d=o(n^{1/2})。我们的结果显着改善了以前最好的均匀采样器,它只在d=O(n^{1/3})时有效,对于相同的d具有基本相同的运行时间。我们还给出了一个线性时间近似采样器REG*,当d=o(n^{1/2})时,它生成一个随机d-正则图,其分布在全变差距离上与均匀分布相差o(1)。
2021-01-12 cs.DS math.CO math.PR
Enumeration and Random Generation of Unlabeled Classes of Graphs: A Practical Study of Cycle Pointing and the Dissymmetry Theorem
本文研究了无根图的无标号组合类的计数和随机生成问题。虽然顶点指向的技术提供了一个简单的程序来分析一个标记类的无根图,首先研究它的根对应,非平凡对称性的存在,在无标记的情况下,导致这种技术崩溃。相反,技术,如不对称定理(水獭)和循环指向(Bodirsky等人)。在未标记的情况下出现,前者提供类的枚举,后者提供枚举和无偏采样器。在这项工作中,我们扩展了权力的不对称定理表明,它实际上提供了一个玻尔兹曼采样器的类的问题。然后,我们提出了一个循环指向技术的阐述,重点是枚举和随机生成的底层unpointed类。最后,我们应用圈指向枚举和实现的距离遗传图和三叶功率图类的采样器。
2015-11-19 cs.DM cs.DS math.CO
Linear-time generation of specifiable combinatorial structures: general theory and first examples
各种可指定的组合结构,具有d个扩展参数,可以通过递归方法精确采样,如果执行繁重的预处理,则具有线性算术复杂度,或者通过玻尔兹曼方法,具有复杂度Theta(n^{1+d/2})。我们讨论了一个修改后的递归方法,至关重要的是基于相关的鞍点积分的渐近展开,这可以通过大量的这样的结构(例如分区,置换,格行走,树,随机图,所有与各种规定的统计和/或约束)。新算法不需要预处理,但平均复杂度仍为线性。在比特复杂度方面,我们只有额外的对数因子,而不是算术。对于许多族的结构,这提供了,据我们所知,唯一已知的准线性发电机。我们提出的一般理论,并详细介绍了一个具体的例子:分区的n个元素到k个非空的块,计数的第二类斯特林数。这些对象涉及具有规定的字母表大小和状态数的最小自动机的精确采样,因此在这里以平均Theta(n ln n)位复杂度执行,突破了所有先前已知的Theta(n^{3/2})算法。
2013-07-05 cs.DS
Exact Online Rank Recycling in Floyd's Uniform Subset Sampler
Tsinghua University(清华大学)
研究弗洛伊德均匀子集采样器中精确在线秩回收,通过轮局部分解坐标实现,证明S'和D独立均匀,给出采样时间和空间复杂度,避免二项式系数运算,还给出反例及实现验证,未强调运行时优势。
2026-07-17 cs.DM cs.DS cs.IT
Efficient sampling of the unlabeled structure of uniform random mappings and surjections
Laboratoire d’Informatique Gaspard-Monge, Université Gustave Eiffel(加斯帕尔-蒙日计算机科学实验室,格斯塔夫·埃菲尔大学)
本文提出通过采样满射函数的轮廓(profile)来高效生成随机满射,覆盖所有参数范围,算法在期望输出大小上达到对数因子最优。
2026-10-16 cs.DM cs.DS math.PR