Randomisierte Algorithmen - 10. Schnell mischende Markov-Ketten
Randomisierte Algorithmen - 10. Schnell mischende Markov-Ketten
Randomisierte Algorithmen - 10. Schnell mischende Markov-Ketten
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Randomisierte</strong> <strong>Algorithmen</strong><br />
<strong>Randomisierte</strong> <strong>Algorithmen</strong><br />
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Thomas Worsch<br />
Fakultät für Informatik<br />
Karlsruher Institut für Technologie<br />
Wintersemester 2012/2013<br />
1 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Überblick<br />
Überblick<br />
Der Metropolis-Algorithmus<br />
Anmerkungen zu Eigenwerten<br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
2 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
Überblick<br />
Der Metropolis-Algorithmus<br />
Anmerkungen zu Eigenwerten<br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
3 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>1 Definition<br />
Eine ergodische <strong>Markov</strong>-Kette ist<br />
(zeit-)reversibel (in detailed balance),<br />
wenn für stationäre Verteilung w und alle i, j ∈ S gilt:<br />
wiPij = wjPji .<br />
4 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>2 Definition<br />
◮ G = (V , E) ein zusammenhängender ungerichteter Graph<br />
ohne Schlingen<br />
◮ 0 < β ≤ 1 eine reelle Zahl<br />
◮ d(i) Grad von Knoten i und d = maxi∈V d(i)<br />
◮ definiere <strong>Markov</strong>-Kette MG,β:<br />
⎧<br />
⎪⎨ β/d falls i = j und (i, j) ∈ E<br />
Pij = 0<br />
⎪⎩<br />
1 − d(i)β/d<br />
falls i = j und (i, j) /∈ E<br />
falls i = j<br />
5 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>3 Beobachtung/Übung<br />
◮ Da Graph zusammenhängend, ist die Kette irreduzibel.<br />
◮ MG,β hat Gleichverteilung als stationäre Verteilung.<br />
◮ Für β < 1 ist sie auch aperiodisch und reversibel.<br />
6 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>4 Verallgemeinerung<br />
◮ p eine Wahrscheinlichkeitsverteilung auf V , nirgends 0<br />
◮ G = (V , E) ein zusammenhängender ungerichteter Graph<br />
◮ 0 < β ≤ 1 eine reelle Zahl<br />
◮ d(i) Grad von Knoten i und d = maxi∈V d(i)<br />
◮ definiere <strong>Markov</strong>-Kette MG,β:<br />
⎧<br />
⎪⎨ min(1,<br />
Pij =<br />
⎪⎩<br />
pj<br />
) · β/d falls i = j und (i, j) ∈ E<br />
pi<br />
0 falls i = j und (i, j) /∈ E<br />
1 − <br />
i=k Pik falls i = j<br />
7 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>4 Verallgemeinerung (2)<br />
Sei i = j und (i, j) ∈ E (alles andere trivial):<br />
piPij<br />
pjPji<br />
= pi min(1, pj<br />
) · β/d<br />
pi<br />
pj min(1, pi ) · β/d<br />
pj<br />
=<br />
= 1<br />
pi<br />
pj<br />
pi<br />
pj<br />
pi / pj<br />
pj<br />
· pi<br />
falls pi ≤ pj<br />
falls pi > pj<br />
Die <strong>Markov</strong>-Kette ist reversibel mit stationärer Verteilung p,<br />
denn . . .<br />
8 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>5 Lemma<br />
◮ Sei M <strong>Markov</strong>-Kette und<br />
◮ q Verteilung mit<br />
für alle Zustände i und j.<br />
qiPij = qjPji<br />
◮ Dann ist q die (eindeutig bestimmte) stationäre<br />
Verteilung von M.<br />
9 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>6 Beweis<br />
Für alle i ist<br />
(qP)i = <br />
qjPji = <br />
j<br />
j<br />
qiPij = qi<br />
<br />
Pij = qi .<br />
j<br />
10 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>7 Vorbereitung Metropolis-Algorithmus<br />
◮ Q zeilenstochastische Matrix, symmetrisch<br />
◮ proposal matrix<br />
◮ Voraussetzung Symmetrie von Hastings beseitigt<br />
◮ Ziel reversible <strong>Markov</strong>-Kette<br />
◮ mit einer Übergangsmatrix P<br />
◮ stationäre Verteilung w<br />
◮ w indirekt“ gegeben durch H : S → R<br />
”<br />
◮ energy function<br />
◮ wi proportional zu e−H(i) ◮ Proportionalitätsfaktor Z = <br />
i∈S e−H(i)<br />
◮ partition function<br />
11 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>8 Metropolis-Algorithmus<br />
◮ starte in beliebigem i0 ∈ S<br />
◮ Schritt von Zustand it ∈ S zu it+1 in zwei Phasen:<br />
◮ gemäß der Verteilung Q(it, ·) zufällig j ∈ S wählen<br />
◮ dann<br />
◮ falls H(j) ≤ H(it), also wj ≥ wit , wähle it+1 = j.<br />
◮ falls H(j) > H(it), also wj < wit , wähle<br />
<br />
j mit Wahrscheinlichkeit wj/wit<br />
it+1 =<br />
it sonst<br />
= eH(it)−H(j)<br />
12 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>9 Satz<br />
Metropolis-Algorithmus, <strong>Markov</strong>-Kette auf S:<br />
◮ reversibel<br />
◮ stationäre Verteilung: i hat Wahrscheinlichkeit e −H(i) /Z.<br />
13 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Der Metropolis-Algorithmus<br />
<strong>10.</strong>10 Beweis (Übung)<br />
P durch Algorithmus festgelegte Übergangsmatrix<br />
genügt zu zeigen: reversibel<br />
e −H(i) /Z · Pij = e −H(j) /Z · Pji<br />
einfache Rechnung analog zu der in Punkt <strong>10.</strong>4<br />
14 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Anmerkungen zu Eigenwerten<br />
Überblick<br />
Der Metropolis-Algorithmus<br />
Anmerkungen zu Eigenwerten<br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
15 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Anmerkungen zu Eigenwerten<br />
<strong>10.</strong>11 Lemma<br />
Es sei P eine zeilenstochastische Matrix.<br />
◮ Dann ist 1 ein Eigenwert von P.<br />
◮ Für jeden Eigenwert λ von P gilt: |λ| ≤ 1.<br />
16 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Anmerkungen zu Eigenwerten<br />
<strong>10.</strong>12 Beweis<br />
◮ Erster Teil klar wegen P(1, . . . , 1) T = (1, . . . , 1) T .<br />
◮ sei λ ∈ C Eigenwert mit P(x1, . . . , xn) T = λ(x1, . . . , xn) T<br />
◮ Sei i0 ein Index mit |xi0| = maxj |xj|.<br />
17 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Anmerkungen zu Eigenwerten<br />
<strong>10.</strong>12 Beweis<br />
◮ Erster Teil klar wegen P(1, . . . , 1) T = (1, . . . , 1) T .<br />
◮ sei λ ∈ C Eigenwert mit P(x1, . . . , xn) T = λ(x1, . . . , xn) T<br />
◮ Sei i0 ein Index mit |xi0| = maxj |xj|.<br />
◮ Es gilt:<br />
Also ist |λ| ≤ 1.<br />
<br />
<br />
|λ| · |xi0| = |λ · xi0| = <br />
j<br />
Pi0jxj<br />
<br />
<br />
<br />
≤ <br />
Pi0j|xj| ≤ <br />
Pi0j|xi0|<br />
j<br />
= |xi0| <br />
Pi0j = |xi0| .<br />
j<br />
j<br />
17 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Anmerkungen zu Eigenwerten<br />
<strong>10.</strong>13 Lemma<br />
Sei P die stochastische Matrix einer reversiblen <strong>Markov</strong>-Kette<br />
mit |S| = N Zuständen.<br />
Dann hat P lauter reelle Eigenwerte<br />
1 = λ1 > λ2 ≥ · · · ≥ λN > −1.<br />
(lineare Algebra . . . )<br />
18 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Anmerkungen zu Eigenwerten<br />
<strong>10.</strong>14 Abkürzung<br />
◮ λmax = max{|λ| | λ ist Eigenwert von P und λ = 1}.<br />
◮ Eben bewiesen:<br />
◮ für ergodische <strong>Markov</strong>-<strong>Ketten</strong>: λmax ≤ 1.<br />
◮ für reversible <strong>Markov</strong>-<strong>Ketten</strong>:<br />
λmax = max{|λ2|, |λN|} < 1<br />
19 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Anmerkungen zu Eigenwerten<br />
<strong>10.</strong>15 Bemerkung<br />
Falls λN < 0:<br />
◮ Gehe von P zu P ′ = 1(P<br />
+ I) über.<br />
2<br />
◮ Eigenwerte λ ′ i<br />
◮ λmax = λ2<br />
= 1<br />
2 (λi + 1) > 0, also<br />
20 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Überblick<br />
Der Metropolis-Algorithmus<br />
Anmerkungen zu Eigenwerten<br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
21 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>16 Definition<br />
◮ Für zwei Verteilungen p und q ist die totale<br />
Variationsdistanz<br />
p − q tv = 1<br />
2<br />
<br />
|pj − qj| .<br />
j∈S<br />
◮ Übung:<br />
p − qtv = max |p(T ) − q(T )|<br />
T ⊆S<br />
wobei p(T ) = <br />
j∈T pj<br />
22 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>17 Definition<br />
◮ ergodische <strong>Markov</strong>-Kette P stationäre Verteilung w;<br />
für alle Verteilungen p sei<br />
δp(t) = pP t − w tv<br />
◮ Die Variationsdistanz zum Zeitpunkt t ist<br />
∆(t) = max<br />
p δp(t) .<br />
◮ Übung: Maximum für einen Einheitsvektor<br />
∆(t) = max<br />
i Pt i − w tv<br />
wobei P t i die i-te Zeile von Pt ist.<br />
◮ klar:<br />
lim ∆(t) = 0<br />
t→∞<br />
23 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>18 Abkürzung<br />
reversible <strong>Markov</strong>-Kette mit stationärer Verteilung w:<br />
wmin = min<br />
j wj<br />
24 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>19 Satz<br />
Für reversible <strong>Markov</strong>-Kette mit stationärer Verteilung w gilt:<br />
∆(t) ≤ λt max<br />
wmin<br />
.<br />
25 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>20<br />
Mitunter folgende Situation:<br />
◮ Problem mit Instanzen I<br />
◮ Familie von <strong>Markov</strong>-<strong>Ketten</strong> M(I )<br />
◮ Beispiel:<br />
◮ I : ein Graph<br />
◮ Zustände von M(I ): die Matchings von I<br />
26 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>21 Definition<br />
ergodische <strong>Markov</strong>-Kette mit stationärer Verteilung w<br />
für ε > 0 definiere ihre ε-Konvergenzzeit:<br />
τ(ε) = min{t | ∀t ′ ≥ t : ∆(t ′ ) ≤ ε}<br />
27 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>22 Definition<br />
Familie M(I ) heißt schnell mischend, falls die<br />
ε-Konvergenzzeit polynomiell in |I | und ln 1/ε ist.<br />
28 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>23 Rechnung<br />
reversible <strong>Markov</strong>-Kette jedenfalls dann schnell mischend,<br />
wenn für ein t, das polynomiell in |I | und log 1/ε ist, gilt<br />
λ t max<br />
wmin<br />
≤ ε<br />
29 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>23 Rechnung (2)<br />
◮<br />
1<br />
λmax<br />
t<br />
≥<br />
1<br />
εwmin<br />
t ≥ ln ε−1 + ln w −1<br />
min<br />
ln λ −1<br />
max<br />
◮ Wegen 1 − x ≤ ln x −1 für 0 < x < 1 ist dafür hinreichend:<br />
t ≥ ln ε−1 + ln w −1<br />
min<br />
1 − λmax<br />
◮ schnelles Mischen, falls ln w −1<br />
min<br />
polynomiell in |I |<br />
und 1/(1 − λmax)<br />
30 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>24 Satz<br />
Für reversible <strong>Markov</strong>-<strong>Ketten</strong> gilt:<br />
τ(ε) ≤<br />
τ(ε) ≥<br />
Woher bekommt man λmax?<br />
1 1<br />
log<br />
1 − λmax wminε<br />
1 1<br />
log<br />
2(1 − λmax) 2ε<br />
31 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>25 Definition<br />
◮ reversible <strong>Markov</strong>-Kette M = (S, P),<br />
stationärer Verteilung w<br />
◮ sei FM der gerichtete gewichtete Graph mit<br />
◮ Knotenmenge S und<br />
◮ Kantenmenge EF = {(i, j) | i = j ∧ Pij > 0}.<br />
◮ jede Kante (i, j) gewichtet mit Zahl c(i, j) = wiPij.<br />
32 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>26 Definition<br />
◮ Für reversible <strong>Markov</strong>-Kette mit Zustandsmenge S und<br />
stationärer Verteilung w<br />
◮ definiere für jede Teilmenge T ⊆ S<br />
die Kapazität C(T ) = <br />
i∈T<br />
den Fluß F (T ) = <br />
wi<br />
i∈T ,j /∈T<br />
wiPij<br />
und Φ(T ) = F (T )/C(T )<br />
◮ Der Leitwert Φ der <strong>Markov</strong>-Kette ist dann<br />
Φ = min max{Φ(T ), Φ(S T )} .<br />
T ⊆S<br />
33 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>27 Satz<br />
Für jede reversible <strong>Markov</strong>-Kette gilt:<br />
1 − 2Φ 2 ≤ λ2 ≤ 1 − Φ2<br />
2 .<br />
34 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>28 Korollar<br />
Für reversible <strong>Markov</strong>-<strong>Ketten</strong> (mit λ2 = λmax) ist<br />
τ(ε) ≤ 2<br />
Φ 2 (ln ε−1 + ln w −1<br />
min )<br />
35 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>29 Definition<br />
◮ Für einen ungerichteten Graphen (V , E)<br />
◮ ist die Kantenvervielfachung µ das Minimum der Zahlen<br />
|{(i, j) | i ∈ T ∧ j /∈ T ∧ (i, j) ∈ E}|<br />
|T |<br />
◮ wobei über alle Teilmengen T ⊆ V minimiert werde mit<br />
|T | ≤ |V | /2.<br />
36 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>30 Beobachtung<br />
Für die <strong>Markov</strong>-<strong>Ketten</strong> MG,β aus Definition <strong>10.</strong>2 gilt:<br />
Φ = βµ/d .<br />
37 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>31 Definition<br />
◮ für Paar (i, j) von Knoten in FM soll<br />
◮ von einem ” Gut“ gij die Menge wiwj von i nach j<br />
transportiert werden.<br />
◮ gesucht: Flüsse fij : EF → R+, so dass gilt:<br />
<br />
fij(i, k) = wiwj<br />
k<br />
für alle ℓ = i, j : <br />
fij(k, ℓ) = <br />
fij(ℓ, m)<br />
k<br />
m<br />
<br />
fij(k, j) = wiwj<br />
k<br />
38 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>31 Definition (2)<br />
◮ Gesamtfluss durch eine Kante e sei<br />
f (e) = <br />
fij(e)<br />
und<br />
◮ die relative Kantenauslastung<br />
i=j<br />
ρ(f ) = max f (e)/c(e) .<br />
e∈EF<br />
39 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>32 Lemma<br />
Für jede <strong>Markov</strong>-Kette mit Flüssen fij gilt:<br />
Φ ≥ 1<br />
2ρ(f ) .<br />
40 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>33 Beispiel: Hyperwürfel<br />
◮ reversible <strong>Markov</strong>-Kette M gemäß Def. <strong>10.</strong>2 aus<br />
Hyperwürfel Hn der Dimension n mit β = 1/2.<br />
◮ Pii = 1/2 und Pij = 1/2n für i = j.<br />
◮ stationäre Verteilung<br />
◮ Gleichverteilung mit wmin = 1/2 n<br />
◮ also log 1/wmin = n polynomiell in n<br />
◮ <strong>Schnell</strong>es Mischen: Suche Flüsse fij<br />
◮ die 1/2 2n transportieren und<br />
◮ kleine Kantenauslastung erzeugen.<br />
41 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>33 Beispiel: Hyperwürfel (2)<br />
◮ Wähle: gleichmäßige Verteilung auf alle d! kürzeste Pfade<br />
zwischen i und j (d = Hammingdistanz)<br />
◮ Aus Symmetriegründen gleicher Gesamtfluss auf jeder<br />
Kante.<br />
◮ Für jedes d gibt es 2n · n<br />
Paare (i, j) mit Abstand d.<br />
d<br />
◮ Für ein festes Paar (i, j) haben alle für den Fluss fij<br />
verwendeten Pfade Länge d. Also:<br />
<br />
fij(e) = dwiwj .<br />
e∈EF<br />
42 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>33 Beispiel (3)<br />
f (e) = 1<br />
n<br />
2<br />
|EF |<br />
d=1<br />
n<br />
<br />
n<br />
· d · wiwj<br />
d<br />
= 1<br />
n2n n<br />
2<br />
d=1<br />
n<br />
<br />
n<br />
· d ·<br />
d<br />
1<br />
22n = 1<br />
22n n<br />
<br />
n<br />
·<br />
d<br />
d=1<br />
d<br />
n<br />
= 1<br />
22n n<br />
<br />
n − 1<br />
=<br />
d − 1<br />
1<br />
22n n−1<br />
<br />
n − 1<br />
d<br />
d=1<br />
= 2n−1 1<br />
=<br />
22n 2 · 2n d=0<br />
43 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>10.</strong>33 Beispiel (4)<br />
◮ eben: f (e) = 1/2 · 2 n .<br />
◮ andererseits c(e) = wiPij = 1/(2n · 2 n )<br />
◮ also<br />
ρ(f ) = 1/(2 · 2n )<br />
1/(2n · 2 n )<br />
= n .<br />
◮ Korollar <strong>10.</strong>28: <strong>Markov</strong>-Kette schnell mischend<br />
44 / 45
<strong>10.</strong> <strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
<strong>Schnell</strong> <strong>mischende</strong> <strong>Markov</strong>-<strong>Ketten</strong><br />
Zusammenfassung<br />
◮ oft ergodische <strong>Markov</strong>-<strong>Ketten</strong>, die sogar reversibel sind<br />
◮ Kriterien, um festzustellen, ob sie schnell mischend sind<br />
45 / 45