We give a new rapid mixing result for a natural random walk on the independent sets of an input graph $G$. Rapid mixing is of interest in approximately sampling a structure, over some underlying set or graph, from some target distribution. In the case of independent sets, we show that when $G$ has bounded treewidth, this random walk -- known as the hardcore Glauber dynamics -- mixes rapidly for all values of the standard parameter $\lambda > 0$, giving a simple alternative to existing sampling algorithms for these structures. We also show rapid mixing for Markov chains on dominating sets and $b$-edge covers (for fixed $b\geq 1$ and $\lambda > 0$) in the case where treewidth is bounded, and for Markov chains on the $b$-matchings (for fixed $b \geq 1$ and $\lambda > 0$), the maximal independent sets, and the maximal $b$-matchings of a graph (for fixed $b \geq 1$), in the case where carving width is bounded. We prove our results by developing a divide-and-conquer framework using the well-known multicommodity flows technique. Using this technique, we additionally show that a similar dynamics on the $k$-angulations of a convex set of $n$ points mixes in quasipolynomial time for all $k \geq 3$. (McShine and Tetali gave a stronger result in the special case $k = 3$.) Our technique also allows us to strengthen existing results by Dyer, Goldberg, and Jerrum and by Heinrich for the Glauber dynamics on the $q$-colorings of $G$ on graphs of bounded carving width, when $q \geq \Delta + 2$ is bounded. Specifically, our technique yields an improvement in the dependence on treewidth when $\Delta < 2t$ or when $q < 4t$ and $\Delta < t^2$. We additionally show that the Glauber dynamics on the partial $q$-colorings of $G$ mix rapidly for all $\lambda > 0$ when $q \geq \Delta + 2$ is bounded.


翻译:我们给出了一个新的快速混合结果, 用于在独立输入图集上自然随机行走 $G$。 快速混用对于大约取样一个结构( 超过某些基底的电流集或图形 $$$ 美元 ), 以某些目标分布。 在独立组中, 我们显示当$ 捆绑起来时, 这种随机行走( 被称为硬点的Glauber 动态) 快速混合标准参数的所有值 $\ lambda > 0, 简单替代这些结构的现有采样算法 。 我们还展示了马可夫在支配器和 $ $ 美元 上更坚固的链 。 在使用离子的电磁盘中, 当使用离子的电流中, 3美元 和 美元 的电流中, 我们的电流中, 也显示了更多的电流 。

0
下载
关闭预览

相关内容

马尔可夫链,因安德烈·马尔可夫(A.A.Markov,1856-1922)得名,是指数学中具有马尔可夫性质的离散事件随机过程。该过程中,在给定当前知识或信息的情况下,过去(即当前以前的历史状态)对于预测将来(即当前以后的未来状态)是无关的。 在马尔可夫链的每一步,系统根据概率分布,可以从一个状态变到另一个状态,也可以保持当前状态。状态的改变叫做转移,与不同的状态改变相关的概率叫做转移概率。随机漫步就是马尔可夫链的例子。随机漫步中每一步的状态是在图形中的点,每一步可以移动到任何一个相邻的点,在这里移动到每一个点的概率都是相同的(无论之前漫步路径是如何的)。
【硬核书】矩阵代数基础,248页pdf
专知会员服务
83+阅读 · 2021年12月9日
【干货书】开放数据结构,Open Data Structures,337页pdf
专知会员服务
16+阅读 · 2021年9月17日
专知会员服务
25+阅读 · 2021年4月2日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
159+阅读 · 2020年1月16日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
CVPR2019| 05-20更新17篇点云相关论文及代码合集
极市平台
23+阅读 · 2019年5月20日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
NLP预训练模型大集合!
黑龙江大学自然语言处理实验室
6+阅读 · 2018年12月31日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Redis Stream 实践
性能与架构
3+阅读 · 2018年7月21日
已删除
将门创投
5+阅读 · 2018年6月7日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2022年1月11日
Arxiv
0+阅读 · 2022年1月6日
Arxiv
0+阅读 · 2022年1月5日
Arxiv
0+阅读 · 2022年1月4日
VIP会员
相关VIP内容
相关资讯
CVPR2019| 05-20更新17篇点云相关论文及代码合集
极市平台
23+阅读 · 2019年5月20日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
NLP预训练模型大集合!
黑龙江大学自然语言处理实验室
6+阅读 · 2018年12月31日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Redis Stream 实践
性能与架构
3+阅读 · 2018年7月21日
已删除
将门创投
5+阅读 · 2018年6月7日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员