無理数遷移確率ランダムウォークの脱乱択化
全文
(2) Vol.2012-AL-142 No.2 2012/11/2. 情報処理学会研究報告 IPSJ SIG Technical Report.
(3)
(4)
(5) (T ) (T )
(6) 本稿では提案モデルの単一頂点誤差
(7) χw − µw
(8) に対. 2. モデル. して, 以下の定理を示す.. いま, 有限の状態空間 V をもち, 遷移確率行列 P で定 義されるランダムウォークを考える. 以下, P は既約で 非周期的と仮定する. 有向グラフ G = (V, E) の枝集合を. E = {(u, v) | P (u, v) ̸= 0} と定め, N (v) ⊆ V を v から出 る枝の終端点の集合とし, δ(v) = |N (v)|, n = |V | とする. (t). (t). 定理 2.1. 既約で非周期な P に対し,.
(9)
(10)
(11) (w)
(12)
(13)
(14) 2 max
(15) a
(16) (n − 1)n2 (lg M + 1) j j
(17) (T ) )
(18) <
(19) χw − µ(T
(20) w 1 − λ∗ 3 = O(n log M ). (t). ここで, µ(t) = (µv1 , µv2 , ..., µvn ) を時刻 t でのトーク ンの期待配置を表すベクトルとする. すなわち µ(0) = (0). (0). (0). (µv1 , µv2 , ..., µvn ) はグラフ G 上の M 個のトークンの初 期配置であり, µ(t+1) = µ(t) P , 再帰的に, µ(t) = µ(0) P t で ある. 本研究の目標は µ(t) を決定的な過程で模倣すること である. 提 案 モ デ ル を 以 下 に 定 義 す る. 非 負 の 整 数 i を i = ∑N i j i j=0 βj 2 で表すとする. ただし βj ∈ {0, 1} は i の二進数 i i 表記 βN βN −1 ...β1i β0i の各位の値であり, N は N = ⌊lg i⌋ で. ある. 非負の整数 i ∈ {0, 1, 2, ...} が i =. ∑N j=0. βji 2j で表される. とき, 関数 ψ を. ψ(i) =. N ∑. が任意の w ∈ V と T ≥ 0 で成り立つ. ただし, λ∗ = (w). max{|λi | | λi は P の固有値かつ |λi | ̸= 1}, aj は P の正 ∑n−1 (w) 規化された右固有ベクトル bj に対し j=0 aj bj = ew を満たす値である .
(21)
(22)
(23) (T ) (T )
(24) 定理 2.2.
(25) χw − µw
(26) = Ω(log M ) となる遷移確率行列. P , 時刻 T > 0, w ∈ V , 総トークン数 M が存在する.. 3. 頂点まわりの推移確率の近似について この章では提案モデルが対応するランダムウォークを模 倣する根拠の一つとして, 頂点まわりの推移確率の近似に 関する以下の定理を示す.. βji 2−(j+1). (1). j=0. と定義する. ψ(i) ∈ [0, 1) であることに注意されたい. グラフ上の各頂点 v ∈ V の各隣接点 u ∈ N (v) に対し, 対応する区間 ζ(v, u) を定義する. 頂点 v の δ(v) 個の隣接 点を N (v) = {u1 , u2 , ..., uδ(v) k に対応する区 [∑} に対し, 各 u∑ ) k−1 k 間 ζ(v, uk ) は ζ(v, uk ) = P (v, u ), P (v, u ) j j j=0 j=0 である. ただし, P (v, u0 ) = 0 とする. ここで, ϕv (i) を,. ψ(i) ∈ ζ(v, uk ) のとき ϕv (i) = uk と定義する. つまり ϕv (i) は v に i 番目に到達したトークンの発射先の頂点を表す.. 定理 3.1. 任意の頂点 v, u ∈ V , 任意の P , 任意の自然数 z に対し,.
(27)
(28) ( )
(29) Iv,u (0, z)
(30) 2 lg z + 2 log z
(31)
(32) < − P (v, u) = O
(33)
(34) z z z が成り立つ. 定理 3.1(では) , 遷移比率の誤差が, 発射したトークン数 z. に対し O. log z z. で収束することを示している.. 定理 3.1 を示すため, いくつかの補題を示す. これらの補 題は, 4, 5 章の解析にも用いられる.. 自然数 x, y に対し,. 補題 3.1. 任意の自然数 i, k に対して,. F (x, y) = {ψ(i) | i = x, x + 1, ..., y − 1} Ψv,u (x, y) = {c | c ∈ F (x, y), c ∈ ζ(v, u)} Iv,u (x, y) = |Ψv,u (x, y)| と定義する. Iv,u (x, y) は頂点 v を訪れた x から y − 1 番目 のトークンのうち, 頂点 u へ移動したトークンの個数を表. ( ) ψ(i) = ψ i (mod 2k ) + ψ. (⌊. i 2k. ⌋) ·. 1 2k. が成り立つ.. す. 時刻 t における提案モデルのトークン配置を表すベク (t). (t). (t). トルを, χ(t) = (χv1 , χv2 , ..., χvn ) で表す. 具体的なトークンの遷移について述べる. 時刻 t = 0 (0). に お い て, 頂 点 v ∈ V 上 に あ る χv (0). ついて, 1, ..., χv. (0) ϕv (0), ..., ϕv (χv. 個のトークンに. 番目のトークンは, それぞれ隣接頂点. − 1) へ移動する. 再帰的に, 時刻 t におい (t) {1, ..., χv }). て, v ∈ V 上の j(j ∈ 番目のトークンは, 隣接 ∑t−1 (s) 頂点 ϕv ( s=0 χv + j − 1) へ移動し, 時間 (t, t + 1) の間に (t). 自然数 i, k が i < 2k のときは, ψ(i (mod 2k )) = (⌊ ⌋) ψ(i), ψ 2ik = ψ(0) = 0 より成り立つ. 以下, i ≥ 2k のと. 証明.. きを考える.. ⌋ ⌊ ∑N j ∑N j=0 aj 2 j いま i = = a 2 と す る と , j=0 j 2k ∑N ∑ ∑ N k−1 j−k j , および j=0 aj 2j (mod 2k ) = j=k aj 2 j=0 aj 2. χv 個のトークン全てを隣接点へ移動させ, 時刻 t + 1 を迎. が成り立つ. l = j − k, bl = al+k (l = 0, 1, ..., N − k) とす. える.. ると,. c 2012 Information Processing Society of Japan ⃝. 2.
(35) Vol.2012-AL-142 No.2 2012/11/2. 情報処理学会研究報告 IPSJ SIG Technical Report. (⌊ ⌋) ( ) i 1 ψ i mod 2k + ψ · k 2k 2 k−1 N ∑ ∑ 1 j j−k = ψ aj 2 + ψ aj 2 · k 2 j=0 j=k (N −k ) k−1 ∑ ∑ 1 −(j+1) l = aj 2 +ψ bl 2 · k 2 j=0. 立つ. 補題 3.3. 任意の自然数 x, k に対して,
(36) )
(37) [
(38)
(39)
(40) F (x, x + 2k ) ∩ i , i + 1
(41) = 1
(42)
(43) k k 2 2 が任意の i ∈ {0, 1, ..., 2k − 1} について成り立つ. 証明.. l=0. =. k−1 ∑. aj 2−(j+1) +. j=0. =. k−1 ∑. =. aj 2−(j+1) +. N ∑. N ∑. aj 2−(j+1) +. N ∑. すものとする.. 1 2k. aj 2−(j−k+1) ·. j=k. j=0. =. bl 2−(l+1) ·. l=0. j=0 k−1 ∑. N −k ∑. 集合 F の定義と, 補題 3.1 より,. F (x, x + 2k ) { (⌊ ⌋) ) ψ 2xk ( k = ψ x mod 2 + 2k. 1 2k. aj 2−(j+1). (. , ..., ψ (x + l) mod 2. j=k. j=0. より題意を得る. 補題 3.2. 任意の自然数 k と α(0 ≤ α < 2k ) に対して. 1 + ψ(α) 2k+1. が成り立つ. 証明.. 補題 3.1 より,. (. k. k. ψ(2 + α) = ψ (2 + α) mod 2. k. ). (⌊ +ψ. 2k + α 2k. ⌋). 1 · k 2. ψ(1) = ψ(α) + k 2 1 = k+1 + ψ(α) 2. ). +. ψ. (⌊ x+l ⌋) 2k. (2) と表される. 簡便のため (⌊ ⌋) i+x+l ψ (⌊ 2k ⌋) k a(i) = ψ i+x+l−2 k 2 . (i = 0, 1, ..., 2k − l − 1) (i = 2k − l, 2k − l + 1 , ..., 2k − 1). とおく. この時, 任意の自然数 i に対し 0 ≤ ψ(i) < 1 なの. となり, 題意を得る.. で, 0 ≤ a(i) < 1 を満たすことに注意されたい. この a(i) を 用いると, { } a(i) k (2) = ψ(i) + k | i = 0, 1, ..., 2 − 1 2. この時, F の定義より以下の観察が成り立つ. 観察 3.1. 任意の自然数 k について { } i k k F (0, 2 ) = | i = 0, 1, ..., 2 − 1 2k. と 表 す こ と が 出 来 る. こ こ で b(j) = ( ) a(i) ψ(i) = 2jk , 0 ≤ i, j < 2k − 1 と 置 く と, 観 察 3.1. が成り立つ. 証明.. k. 2k (⌊ ⌋) x+2k −1 ψ k ( ) 2 , ..., ψ (x + 2k − 1) mod 2k + k 2 { (⌊ ⌋) (⌊ ⌋) ( ) ψ 2xk ψ x+1 k 2k = ψ 2k − l + , ψ(2 − l + 1) + 2k 2k ⌋) ⌋) (⌊ (⌊ ψ x+l−1 ψ x+l 2k 2k , ..., ψ(2k − 1) + , ψ(0) + 2k 2k (⌊ ⌋) (⌊ x+l+1 ⌋) x+2k −1 ψ k ( ) ψ 2 k 2k , ψ(1) + , ..., ψ 2 − l − 1 + 2k 2k. aj 2−(j+1) = ψ(i). ψ(2k + α) =. 自然数 l を (x + l) mod 2k = 0(0 ≤ l < 2k ) を満た. 自然数 k に関する帰納法で示す. まず k = 0 のとき,. 次 に k = l の と き, F (0, 2 ) = l. l+1. ると仮定する. 集合 F (2 , 2. l { 20l , 21l , ..., 2 2−1 l } l. であ. ) = {ψ(i) | i = 2 , 2l +. 1, ..., 2l+1 − 1} を考えると, 補題 3.2 より, F (2l , 2l+1 ) = 1 { 2l+1 + ψ(i) | i = 0, 1, ..., 2l − 1} となる. 集合 F (0, 2l+1 ) は. F (0, 2l ) と F (2l , 2l+1 ) の和集合である. よって, F (0, 2l+1 ) = 0 1 { 2l+1 , 2l+1 , ..., 2 2l+1−1 } が成り立ち, 任意の自然数 k に対し l+1. 観察 3.1 が成り立つことが示された. 集合 F の定義と補題 3.1, 観察 3.1 より以下の補題が成り. c 2012 Information Processing Society of Japan ⃝. {. F (x, x + 2k ) =. F (0, 1) = {ψ(0)} = {0} で条件を満たす. l. と併せて,. b(i) i + k | i = 0, 1, ..., 2k − 1 k 2 2. } (3). となり, 題意を得る. 補題 3.4. 任意の自然数 x, k, 任意の頂点 u, v ∈ V に対して,. 2k P (v, u) − 2 < Iv,u (x, x + 2k ) < 2k P (v, u) + 2 が成り立つ. 証明.. 頂点 v が u に定める区間 ζ(v, u) を [p, q) とおく. 補. 題 3.3 の証明の (3) 式より,. 3.
(44) Vol.2012-AL-142 No.2 2012/11/2. 情報処理学会研究報告 IPSJ SIG Technical Report. s b(s) s + 1 b(s + 1) + k <p≤ + 2k 2 2k 2k b(t) t + 1 b(t + 1) t + k <q≤ k + 2k 2 2 2k. (4) (5). と な る よ う な s, t が{存 在 す る. こ の と き, ψ の 定 義 }よ b(i) i + | i = s + 1, s + 2, ..., t で 2k 2k. り Ψv,u (x, x + 2k ) = ある.. (4), (5) 式を変形すると, 2k p−b(s+1)−1 ≤ s < 2k p−b(s), 2k q − b(t + 1) − 1 ≤ t < 2k q − b(t) となり,. 4. 単一頂点誤差の上界の解析 この節では, 定理 2.1 を証明する. いま, λi ∈ C(i =. 0, 1, .., n − 1) を遷移確率行列 P の固有値, bi ∈ Cn (i = 0, 1, ..., n − 1) を λi に対応する正規化された右固有ベクト ルとする. 遷移確率行列 P を既約で非周期的とすると, 一般 性を失うことなく ( √ ) , |λ0 | = 1, 1 > |λ1 | ≥ |λ2 | ≥ ... ≥ |λn−1 |, |bi | = ⟨b | b⟩ = 1 (i = 1, . . . , n) とできる. 頂点 u ∈ V に対し, eu ∈ {0, 1}V を u 番目の単位ベクトルとする. eu ∑n (u) (u) は aj ∈ C(j = 1, . . . , n) を使って eu = j=1 aj bj と書. 2k (q − p) − b(t + 1) − 1 + b(s) + 1. くことが出来る. すなわち,. < t − s < 2k (q − p) − b(t) + b(s + 1) + 1. . が成り立つ. Iv,u (x, x + 2k ) = t − s, P (v, u) = q − p, 任意 の i に対し 0 ≤ b(i) < 1 なので,. . . B= b0. bn−1 . ···. b1. a. and. (u). 2k P (v, u) − 2 < Iv,u (x, x + 2k ) < 2k P (v, u) + 2 が成り立つ.. |Iv,u (x, x + y)| < yP (v, u) + 2 lg y + 2. このとき, z ⊤ z P z (v, w) = e⊤ v P ew = ev P. ∑N j=0. = e⊤ v. aj 2j と置く. Iv,u (x, x + a + b) =. N ∑. (w). aj P z bj. = e⊤ v. n ∑. (w). aj (λj )z bj =. ( ) = Iv,u x, x + a0 20 N −1 k k+1 ∑ ∑ ∑ + Iv,u x + aj 2j , x + aj 2j . < a0 20 P (v, u) + 2 +. N ∑. 補題 4.1. 任意の w ∈ V , T ≥ 0 に対し, ) (T ) χ(T w − µw. ). k=1 N ∑ ) ak 2k P (v, u) + 2 = 2N + P (v, u) ak 2k. k=0. =. k=0. < yP (v, u) + 2(lg y + 1) = yP (v, u) + 2 lg y + 2 を得る. 同様に yP (v, u) − 2 lg y − 2 < Iv,u (x, x + y) も示 すことが出来る. 補題 3.5 において x = 0, y = z とすると, 定理 3.1 が示さ. c 2012 Information Processing Society of Japan ⃝. ∑. Xv(t) −1. ∑. (. ) P T −t−1 (ϕv (i), w) − P T −t (v, w). t=0 v∈V i=X (t−1) v. =. ∑T. (s). s=0. χv である.. 補題 4.1 を使い, 以下の補題を示す. 補題 4.2. 任意の w ∈ V , T ≥ 0 に対し, ) (T ) χ(T w − µw =. (. T −1 ∑. ∑ ∑. t=0 v∈V u∈N (v). ) T −t−1 Iv,u (Xv(t−1) , Xv(t) ) − χ(t) (u, w) v P (v, u) P. が成り立つ. 証明.. れる.. T −1 ∑. が成り立つ. ただし, Xv. ak 2k P (v, u) + 2. (T ). の補題を示すことが出来る.. (T ). j=0. (. (w). 既存研究 [1], [2], [3] と同様に, χw , µw について, 以下. j=0. j=0. aj (λj )z e⊤ v bj. j=1. (T ). ( ) = Iv,u (x, x + a0 20 ) + Iv,u x + a0 20 , x + a0 20 + a1 21 N −1 N ∑ ∑ +... + Iv,u x + aj 2j , x + aj 2j j=0. n ∑. と書くことが出来る.. aj 2j ). j=0. (. n ∑. j=1. Iv,u (x, x + y) = Iv,u (x, x +. =. (w). aj bj. j=1. 意する. この時,. N ∑. n ∑ j=1. Iv,u (x, x + a) + Iv.u (x + a, x + a + b) が成り立つことに注. k=0. (u) a1 = . .. (u) an−1. a(u) = B −1 eu が成り立つ.. が成り立つ. ここで, y =. . としたとき, eu = Ba(u) である. B は正則行列であり,. 補題 3.5. 任意の自然数 x, y と任意の u, v ∈ V に対して,. 証明.. (u). a0. (t−1). 定義より, Iv,u (Xv. (t). , Xv ) は時刻 t のとき頂点 v. が u へ発射したトークンの総数を表していることに注意す る. このとき,. 4.
(45) Vol.2012-AL-142 No.2 2012/11/2. 情報処理学会研究報告 IPSJ SIG Technical Report. を得る. よって補題 4.3 より題意を得る.. ) (T ) χ(T w − µw. =. T −1 ∑. Xv(t) −1. ∑. ∑. (. P T −t−1 (ϕv (i), w) − P T −t (v.w). ). 定理 2.1 の証明を行う.. t=0 v∈V i=X (t−1) v. =. T −1 ∑. . ∑. ∑. . t=0 v∈V. Iv,u (Xv(t−1) , Xv(t) )P T −t−1 (u, w). u∈N (v). ) (T ) χ(T w − µw. ). T −t (v, w) −χ(t) v P. =. T −1 ∑. . ∑. ∑. . t=0 v∈V. −χ(t) v. =. T −1 ∑. =. T −1 ∑. =. ∑ ∑ (. Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u). ). t=0 v∈V u∈N (v). u∈N (v) T −1 ∑. Iv,u (Xv(t−1) , Xv(t) ). ) T −t−1 −χ(t) (u, w) v P (v, u) P. . P (v, u)P T −t−1 (u, w). ∑ ∑ (. t=0 v∈V u∈N (v). Iv,u (Xv(t−1) , Xv(t) )P T −t−1 (u, w). u∈N (v). ∑. 証明.. ∑ ∑ (. n−1 ∑. Iv,u (Xv(t−1) , Xv(t) ). aj (λj )T −t−1 e⊤ u bj (w). j=0. t=0 v∈V u∈N (v). ) T −t−1 −χ(t) (u, w) v P (v, u) P. =. T −1 ∑. ∑ ∑. t=0 v∈V u∈N (v). (. となり題意を得る. 定理 2.1 を証明する前に, 以下の 2 つの補題を証明する. 補題 4.3. 任意の u, v ∈ V , t ≥ 0 に対して, ) ∑ ( Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u) = 0. +. ) (w) ⊤ Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u) a0 eu b0. T −1 ∑. ∑ ∑ (. Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u). ). t=0 v∈V u∈N (v) n−1 ∑. u∈N (v). aj (λj )T −t−1 e⊤ u bj (w). j=1. が成り立つ. 証明.. 定義より,. ここで, 補題 4.4 より. ∑. (t−1). u∈N (v) Iv,u (Xv. (t). (t). , Xv ) = χv が成. り立つことから, ) ∑ ( Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u) u∈N (v). =. ∑. Iv,u (Xv(t−1) , Xv(t) ). u∈N (v). ∑. −. χ(t) v P (v, u). u∈N (v). (t) = χ(t) v − χv = 0. となり, 題意を得る. 補題 4.4. 任意の u, v ∈ V , t ≥ 0 に対して, ) ∑ ( (w) ⊤ Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u) a0 eu b0 = 0 u∈N (v). ベクトル b0 は固有値 λ0 = 1 に対する右固有ベク. トルであり, b0 の i 番目の成分を b0 (i) とすると任意の. i, j(i, j = 0, 1, ..., n − 1) について b0 (i) = b0 (j) = 1 が成り 立つ.. ∑ (. ) (w) ⊤ Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u) a0 eu b0. u∈N (v). =. (w) a0. ) (w) ⊤ Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u) a0 eu b0 = 0. u∈N (v). であり, ) (T ) χ(T w − µw =. (. T −1 ∑. ∑ ∑ n−1 ∑. t=0 v∈V u∈N (v) j=1. ) (w) T −t−1 ⊤ Iv,u (Xv(t−1) , Xv(t) ) − χ(t) eu bj v P (v, u) aj (λj ). が成り立つ. よって, −1 ∑ ∑ n−1
(46)
(47) T∑ ∑
(48) (T ) )
(49) ≤
(50) χw − µ(T
(51) w t=0 v∈V u∈N (v) j=1. が成り立つ. 証明.. ∑ (. ) ∑ ( Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u). u∈N (v). c 2012 Information Processing Society of Japan ⃝.
(52)
(53) ( )
(54) (w) T −t−1 ⊤
(55) eu bj
(56)
(57) Iv,u (Xv(t−1) , Xv(t) ) − χ(t) v P (v, u) aj (λj )
(58)
(59) T −1 ∑ ∑ n−1 ∑
(60) (w)
(61) ∑ T −t−1 ≤ max
(62) aj
(63) |λ1 | j. t=0. v∈V u∈N (v) j=1.
(64) ( )
(65)
(66)
(67)
(68)
(69) ⊤
(70)
(71) P (v, u)
(72) Iv,u (Xv(t−1) , Xv(t) ) − χ(t)
(73) eu bj v
(74) ( )
(75)
(76)
(77) (t−1) (t) (t) 補 題 3.5 か ら,
(78) Iv,u (Xv , Xv ) − χv P (v, u)
(79) 2 lg χtv. <. + 2 < 2 lg M + 2 が成り立ので,. 5.
(80) Vol.2012-AL-142 No.2 2012/11/2. 情報処理学会研究報告 IPSJ SIG Technical Report.
(81)
(82)
(83) (w)
(84)
(85)
(86) max
(87) a
(88) ∑ ∑ n−1 ∑ j j
(89) (T ) )
(90) < 2(lg M + 1)
(91) χw − µ(T
(92) w 1 − |λ1 | v∈V u∈N (v) j=1
(93)
(94)
(95) (w)
(96) 2 maxj
(97) aj
(98) (n − 1)n2 (lg M + 1) ≤ 1 − |λ1 |. ∑ℓ−k+1 −(4i+1) 2 16k−1 − 1 1 1 · k−1 + i=1 k−1 − 3 16 16 3 ∑ℓ−k+1 −(4i+1) 2 1 1 i=1 = − · k−1 16k−1 3 16 ∑ℓ−k+1 −(4i+1) ∑∞ −2i 2 i=1 i=1 2 = − <0 k−1 16 16k−1. 以上により, 定理 2.1 が示された. より
(99) ( ) [ )
(100) ℓ ℓ
(101) ∑ ∑ 1
(102)
(103) 16k − 1
(104) i i k−1 16 , 16 + 16 ∩ 0, + 1.
(105) F
(106) =
(107) 3
(108) 3. 5. 単一頂点誤差の下界の解析 ここでは, 定理 2.2 を示す. 証明.. i=k. V = {v1 , v2 , v3 }, P (vi , vj ) =. 1 3 (i, j. = 1, 2, 3) とな. るグラフ上のランダムウォークを考える. トークンの初期 配置を µ(0) = (M, 0, 0) とすると, 時刻 t = 1 での期待配置 ( ) M M は µ(1) = M 3 , 3 , 3 となる. v1 に対する区間 ζ(v1 , v1 ) を. [0, 13 ) とする.. ℓ ∑ℓ −1) ℓ を 1 以上の自然数とする. M = i=1 16i = 16(16 15 ( ) (1) (1) のとき, χv1 − µv1 = 23 ℓ = 16 lg 15 16 M + 1 であることを. 示す. まず,. ( χ(1) v1. = Iv1 ,v1. 0,. ℓ ∑. ) i. 16. i=1 ℓ. = Iv1 ,v1 (0, 16 ) +. ℓ ∑. (. Iv1 ,v1. k=2 ℓ. と な る.. Iv1 ,v1 (0, 16 ). ℓ ∑ i=k. =. i. 16 ,. ℓ ∑. ) i. 16 + 16. i=k.
(109)
(110)
(111) Ψv1 ,v1 (0, 16ℓ )
(112) で あ り,. Ψv1 ,v1 (0, 16 ) = {c | c ∈ F (0, 16ℓ ), c ∈ ζ(v1 , v1 )} だか ら, F (0, 16ℓ ) について考えると, 観察 3.1 より, { } i ℓ F (0, 16ℓ ) = | i = 0, 1, ..., 16 − 1 16ℓ ℓ ℓ 16ℓ −1 < 163 < }16 3+2 3 { ℓ i で, Ψv1 ,v1 (0, 16ℓ ) = | 0 ≤ i ≤ 16 3−1 , よ 16ℓ ℓ ℓ Iv1 ,v1 (0, 16ℓ ) = 16 3−1 + 1 = 16 3+2 である.. こ こ で,. i=k. c 2012 Information Processing Society of Japan ⃝. る.. 6. 従来モデルの模倣 先行研究の来嶋, 古賀, 牧野 [3] や梶野, 来嶋, 牧野 [2] で は, 有理数の遷移確率をもつランダムウォークに対し, 多重 ない上界を与えていた. 本章では, 提案モデルを少し変形す ることで従来モデルが模倣出来ることを示す.. なの って. ( ∑k ) 16i +j ψ ⌊ i=ℓ ⌋ 16k−1 k−1 = ψ(j) + | j = 0, 1, ..., 16 − 1 16k−1 { } ∑ℓ−k+1 i ψ( i=1 16 ) = ψ(j) + | j = 0, 1, ..., 16k−1 − 1 16k−1 { } ∑ℓ−k+1 −(4i+1) 2 k−1 i=1 = ψ(j) + | j = 0, 1, ..., 16 −1 16k−1 } { ∑ℓ−k+1 −(4i+1) 2 j k−1 i=1 + | j = 0, 1, ..., 16 −1 = 16k−1 16k−1 ここで,. ∑ℓ ℓ 16i 16ℓ + 2 ∑ 16k−1 + 2 + − i=1 3 3 3 k=2 ∑ℓ ℓ ∑ 16i 16k + 2 = − i=1 3 3 k=1 ( ) 2 2 1 15 = ℓ = · lg M +1 3 3 4 16 ( ) 1 15 = lg M + 1 = Ω(log M ) 6 16 ∑∞ 1 が成り立つ. ただし, 13 = i=1 22i であることに注意す =. 辺を用いて O(nm) の上界, すなわちトークンの個数に依ら. 補題 3.3 の証明の (2) 式より, ( ℓ ) ℓ ∑ ∑ F 16i , 16i + 16k−1 i=k. (1) χ(1) v1 − µ v1. k−1. ℓ. で あ る.. i=k. が成り立つ. 以上の議論から,. 以下の補題で, ϕv (i) の周期性について述べる. 補題 6.1. 任意の v, u ∈ V に関して, 自然数 l, k, m を用い て区間 ζ(v, u) = [ 2lk ,. m ) 2k. と表すことが出来る場合, 任意の. i について ϕv (i) = u ならば ϕv (i + 2k ) = u が成り立つ. ( ) (⌊ ⌋) 証明. 補題 3.1 より, ψ(i) = ψ (⌊ i mod ⌋) 2k + ψ 2ik · 21k , ( ) k ψ(i + 2k ) = ψ i mod 2k + ψ i+2 · 21k であり, 観察 2k ( ) 3.1 よりある自然数 l を用いて ψ i mod 2k = 2lk と書くこ とが出来る. よって,. l 2k. ≤ ψ(i) <. l+1 l , 2k 2k. ≤ ψ(i+2k ) <. l+1 2k. k. が成り立つ. よって ϕv (i) = u ならば ϕv (i + 2 ) = u が成 り立つ. 補題 6.1 より, 任意の v, u ∈ V に関して, 自然数 l, k, m を 用いて区間 ζ(v, u) = [ 2lk ,. m ) 2k. と表すことが出来る場合, 2k. 本の多重辺を使い従来モデルを用いて表すことが出来る. ま た, 従 来 モ デ ル の 頂 点 v か ら 出 る 多 重 辺 ei (i =. 0, 1, ..., δ(v) − 1 をそれぞれ区間 [ 2ik , i+1 ) (δ(v) ≤ 2k ) に 2k 対応させ, 区間 [. δ(v) , 1) 2k. を無視することによって, 任意の従. 来モデルを模倣することが出来る.. 6.
(113) 情報処理学会研究報告 IPSJ SIG Technical Report. Vol.2012-AL-142 No.2 2012/11/2. 7. おわりに 本稿では, 無理数の遷移確率を持つランダムウォークに 対する新しいロータールーターモデルを提案した. 提案モ デルの単一頂点誤差がグラフの頂点数 n と, 総トークン数 M に対し O(n3 log M ) で押さえられることを示した. また, ある時刻, 頂点, トークン数, P において, 単一頂点誤差が Ω(log M ) であることを示した. 今後の課題としては, 組み 合わせ構造に起因するグラフに対し, 単一頂点誤差の頂点 数の対数サイズの上界の導出や, 一般の場合の単一頂点誤 差の上界と下界の一致などがある. 参考文献 [1]. [2]. [3]. J. N. Cooper and J. Spencer, Simulating a random walk with constant error, Combinatorics, Probability and Computing, 15(2006), 815–822. H. Kajino, S. Kijima, and K. Makino, Discrepancy analysis of deterministic random walks on finite irreducible graphs, discussion paper. S. Kijima, K. Koga and K. Makino, Deterministic random walks on finite graphs, Proceedings of ANALCO 2012, 16– 25.. c 2012 Information Processing Society of Japan ⃝. 7.
(114)
関連したドキュメント
In this paper, for the first time an economic production quantity model for deteriorating items has been considered under inflation and time discounting over a stochastic time
In a graph model of this problem, the transmitters are represented by the vertices of a graph; two vertices are very close if they are adjacent in the graph and close if they are
For example, random geometric graphs are formed by randomly assign- ing points in a Euclidean space to vertices and then adding edges deterministically between vertices when
It is suggested by our method that most of the quadratic algebras for all St¨ ackel equivalence classes of 3D second order quantum superintegrable systems on conformally flat
In particular, we consider a reverse Lee decomposition for the deformation gra- dient and we choose an appropriate state space in which one of the variables, characterizing the
Our binomial distribution model for frequency graphs is to consider picking for each set of four vertices A, B, C, D in K n a total order on the sums of the distances AD + BC, AB +
“Breuil-M´ezard conjecture and modularity lifting for potentially semistable deformations after
Using the batch Markovian arrival process, the formulas for the average number of losses in a finite time interval and the stationary loss ratio are shown.. In addition,