靠「猜」答案获得顶会最佳论文，华人IOI金牌获得者找到复杂「鸡兔同笼」最简解法

靠「猜」答案获得顶会最佳论文，华人IOI金牌获得者找到复杂「鸡兔同笼」最简解法_IT新闻_博客园

　　鱼羊萧箫发自凹非寺

　　量子位报道公众号 QbitAI

　　还记得小时候被“鸡兔同笼”支配的恐惧吗？

　　其实，当我们学习了二元一次方程，就知道这个问题并不复杂：

　　不过，可别小看了这样的线性方程，试想一下，如果动物的种类不止 2 种，特征也不只头和脚呢？

　　这个时候，我们就只能求助矩阵乘法了。

　　那么，问题来了，采用高斯消元法，求解的复杂度就是O(n3)。

　　也就是说，如果n从 2 增加到4，求解复杂度就会增加2³即 8 倍。

　　n 越来越大，计算的步骤就会以 3 次方的速度快速增加……

　　想想机器学习、工程项目里极其复杂的矩阵乘法，是不是有点头皮发麻的感觉。

　　好消息是，现在，这个困扰工程师们已久的基础问题，有了突破性进展。

　　计算机理论顶会 SODA 2021 的最佳论文，用“猜”答案的方式，一口气把算法复杂度减小到了O(n2.3316)！

　　论文作者，是来自佐治亚理工学院的两位数学家：彭泱和 Santosh Vempala。

　　这项研究具体是怎么一回事？快来一起研究研究。

　　IOI 金牌获得者，靠“猜”推动研究

　　IOI 金牌获得者、来自佐治亚理工学院的助理教授彭泱，和他的合作者 Santosh Vempala 共同提出了一种全新的思路。

　　相比于此前，数学家们不停地改进矩阵乘法的算法，他们别出心裁，想到能否靠“猜”，来重新设计一种算法。

　　这种方法就是：猜测每个未知数的值，把它们代入方程后，查看结果与实际值相差有多大。

　　然后，修正未知数的值，再猜一次。

　　这种方法，在计算机方向上被称为迭代法。

　　彭泱的这种迭代算法，在方程的数量变得极多、且每个方程涉及的未知数较少时，显示出了巨大的优势。

　　也就是说，如果在一个系数矩阵属于“稀疏矩阵”——矩阵本身特别大，但相对地，系数为 0 的数量又非常多的时候，迭代法就会出现神奇的结果。

　　此前，没有人能够证明，“迭代法”对于稀疏矩阵而言，是否会比“矩阵乘法”更快。

　　当然，这种算法并不只靠“猜”。

　　彭泱设计的算法中，他们还会在给出多组随机数的同时，将这些随机数组并行计算。

　　这就像是数百个人同时在山林中搜索宝藏，肯定比一个人反复搜索要更快。

　　但这种算法的设计，还面临两个难点：

　　如何保证设计出来的数，足够随机、不偏向问题的任何一部分？

　　如何保证设计出来的这些随机数组，全面覆盖每一种可能性？

　　他们发现，正因为由随机数构造出的矩阵中，项数是随机的、且彼此之间有着某种关联，因此，这一矩阵本身就具有某种对称性。

　　这就意味着，如果知道矩阵中某些具体的数值，就能推断出一整个矩阵的形状。

　　这一发现，使得他们设计的算法，比未考虑矩阵对称性的那些算法，找到解的速度更快。

　　事实证明，这种算法确实能够保证在O(n2.3316) 复杂度以内，完成任何计算。

　　这比之前的O(n2.37286)，复杂度降低了不少，可以说是一个巨大的进步。

　　这一新发现，让彭泱和他的合作者获得了 ACM-SIAM 离散算法研讨会 SODA 2021 的最佳论文奖。

　　为什么要降低计算复杂度？

　　解一个二元一次方程，也就是2×2 的矩阵，靠中学知识就能轻松搞定。

　　然而当n变得越来越大，求解方程的计算量就会以 3 次方的速度迅速增加。

　　这是什么概念？

　　意味着如果线性问题中，要求解的未知数达到 100 甚至 10000，那么计算量复杂度就会增加 1000000、甚至 1012 倍。

　　目前，机器学习、动力学模拟等问题，都会遇到超大规模线性方程组，如何降低计算复杂度，一直是学者们致力于解决的问题。

　　要是计算复杂度居高不下，对于计算机而言，将会是一个巨大而沉重的负担。

　　因此，数学家们一直在想方设法将线性问题的复杂度弄得更小一点，也就是让O(nω)中的ω变小。

　　哪怕ω减小的量只有 0.00001，对于上百万未知数的方程组来说也是一个巨大的进步。

　　通过不断改善矩阵乘法，ω先是从 3 降低到 2.81，历经多次研究后，被 MIT 和哈佛的数学家们降低到 2.37286。

　　然而，到这个阶段，数学家们倾尽全力所设计的新算法，也只是将ω降低了 0.00001 而已。

　　有数学家进行过预测，ω可以无限接近于2，也就意味着这种线性问题的计算复杂度还能尽力向O(n²)靠拢。

　　因此，彭泱他们的新算法，可以说是将这一研究向前推动了一大步。

　　关于作者

　　论文作者彭泱，江苏南京人，现为佐治亚理工学院计算机科学系助理教授。

　　他本科毕业于滑铁卢大学数学专业，其后在 CMU 拿下计算机科学博士学位。2013-2015 年在 MIT 担任应用数学博士后。

　　目前，他主要关注的研究方向是高效算法的设计、分析和实现。

　　根据 Google Scholar，彭泱的论文引用数为 2788，h指数为 28。

　　他的名字，也频频见于 FOCS、STOC、SODA 等计算机理论顶会论文当中。

　　彭泱与数学和计算机结缘很早，据中国侨网报道，他 8 年级时就曾参加 10 年级水平的美国数学比赛，并获得满分的成绩。还在 2004 年和 2005 年参加加拿大计算机竞赛，摘下金牌。

　　2005 年和 2006 年，彭泱代表加拿大队参加国际奥林匹克数学竞赛（IMO），分别获得银牌和铜牌。

　　而在此期间，他还参与了 2004、2005 和 2006 年的国际奥林匹克信息学竞赛（IOI），并在 2005 年获得金牌。

　　论文的另一位作者 Santosh Vempala 是著名计算机科学家，佐治亚理工学院计算机科学杰出教授。2015 年，他入选“因对凸集和概率分布算法的贡献”入选 ACM Fellow。

　　他的主要研究方向是算法理论，用于抽样、学习、优化和数据分析的算法工具，高维几何，随机线性代数等。

　　Santosh Vempala 还是古根海姆奖、斯隆奖获得者。

　　论文地址：

　　https://arxiv.org/abs/2007.10254

　　参考链接：