Random Walks: A Review of Algorithms and Applications2020翻译

Random Walks: A Review of Algorithms and Applications2020翻译

在翻译的时候公式太多，公式部分有些乱码。如果需要可以看看本文的文字，感兴趣的话直接去看原文公式。
摘要:

随机漫步被称为随机过程，它描述了数学空间中包含一系列随机步骤的路径。它在数学和计算机科学等各个学科中越来越受欢迎。再者，在量子力学中，量子游动可以看作经典随机游动的量子类似物。经典随机漫步和量子漫步可用于计算节点之间的邻近度和提取网络中的拓扑。各种随机游走相关模型可以应用于不同的领域，对于链路预测、推荐、计算机视觉、半监督学习、网络嵌入等下游任务有着重要的意义。在这篇文章中，我们旨在提供一个经典随机漫步和量子漫步的综合评论。我们首先回顾了经典随机游动和量子游动的知识，包括基本概念和一些典型算法。我们还从时间复杂度的角度比较了基于量子行走和经典随机行走的算法。然后介绍了它们在计算机科学领域的应用。最后，我们从现有算法的效率、主存容量和计算时间的角度讨论了有待解决的问题。这项研究旨在通过探索随机漫步和量子漫步来促进这一不断发展的研究领域。

关键词：

随机漫步、量子漫步、算法、计算科学。

1. INTRODUCTION

随机漫步是数学空间中的随机过程。它描述了数学空间中由一系列随机步骤组成的路径。它最早是由皮尔逊在1905年提出的[1]。斯皮策[2]为数学研究者提供了随机漫步的完整综述，并清楚地展示了随机漫步的数学原理。随机漫步可用于分析和模拟对象的随机性，并计算对象之间的相关性，这在解决实际问题。它正迅速成为计算机科学、物理、化学、生物学、经济学等领域的重要工具。

在数学空间中，一个简单的随机游动模型是在规则格上的随机游动，其中一个点在每一步都可以根据一定的概率跳到另一个位置婴儿分布。在特定的网络中节点间的转移概率与其相关强度正相关。也就是说，他们的联系越紧密，关系就越密切可能性是。经过足够的步骤，我们可以获得一个和多个可以描述网络结构的。

计算机科学领域最典型的基于随机游走的算法是PageRank[3]。它通过在网页之间随机移动来计算网页的重要性。研究人员开发了一系列PageRank的变体，如个性化PageRank[4]、[5]，并改进了原有的随机游走规则，提出了一些新的算法，如重新启动随机游走（RWR）[6]和懒惰随机游走（LRW）[7]。

量子行走是由Aharonov等人于1993年首次提出的。量子行走可以看作是量子力学中经典随机行走的反作用。经典随机游动与量子游动的主要区别在于量子游动不收敛于某些极限分布。由于量子干涉，它们可以比经典随机游动传播得更快或更慢。与经典的基于随机游走的算法相比，基于量子游走的算法具有更低的时间复杂度[9]-[12]。他们可以提供指数加速比任何经典算法[9]。基于量子行走的算法大致可以分为两类：基于离散时间的算法和基于连续时间的算法[13]。

利用网络拓扑结构实现了随机游走，因此它也可以用来计算节点之间的接近度。例如，研究人员在协同过滤领域引入了基于随机游动的算法[14]-[19]，与其他替代方法相比，基于随机游动的算法可以包含大量的上下文信息。与协同过滤一样，链路预测与推荐系统也以计算所选节点的最接近节点为目标。因此，随机游动在链路预测和推荐系统中也是有效的[20]-[27]。随机游动还可以应用于计算机视觉[7]、[28]–[36]、半监督学习[37]–[41]、网络嵌入[42]、[43]和复杂社会网络分析[44]。一些研究人员也在专注于研究k

图1。随机游走综述的框架。

随机游动在图[45]、[46]、文本分析[47]、科学[48]和知识发现[49]上的应用。QuantumWalks经常用于加速经典算法。它可用于决策树[10]、搜索问题[11]、[12]和元素清晰度[50]、[51]。

本文对随机游动进行了综述。据我们所知，这是第一次一起回顾经典随机游动和量子游动。本文从随机游动的基本概念、算法和应用等方面综述了计算机科学领域中的随机游动。并对这些算法进行了系统的比较。此外，还介绍了随机游动和量子游动的一些尚未解决的问题。

在接下来的文章中，我们首先在第二节介绍了经典随机游动和量子游动的基本概念和符号。特别地，我们从两个方面介绍了量子行走：离散时间量子行走和连续时间量子行走。在第三节中，我们重点介绍了经典随机行走和量子行走的一些典型算法。并对这些算法进行了分析比较。在第四节中，我们展示了不同算法的应用场景，并指出了它们的优缺点。第五节重点分析了存在的问题和今后的发展方向。最后，在第六节中总结了本文的工作。图1总结了本文的总体结构。

2. PRELIMINARIES AND NOTA TIONS

在本节中，我们将介绍有关随机漫步的基本概念和符号，包括经典随机漫步和量子漫步。表一列出了本文中常用的符号。

2.1 Classical Random Walks

随机游走被称为随机过程。它描述了在数学空间上由一系列随机步组成的路径，它可以表示为{ξt，t=0,1,2，…}，其中是一个随机变量，它描述了一步一步地随机行走的位置。序列也可以看作马尔可夫链的一个特殊范畴。在随机游动的初始状态下，位置可以是固定的，也可以从某个初始分布中提取[45]，我们可以用以下步骤来表示位置的分布：ξtt型ξ0 第0 t**型

其中（i）是随机游动在步骤之后到达该位置的概率。如果游动位于步后位置，则单步转移概率是指随机游动在下一步后移动到该位置的概率。其表示为并可计算为：Pt公司我t型我t型j**皮杰

此外，步骤转移概率定义如下：

从图表示的角度，设=（V，E）是连通图，其中是顶点集，是边克五电子

表1 一些符号的描述

设置。矩阵的邻接矩阵表示为∈R，其中是矩阵中的节点数。表示从节点到节点的边的权重。那么图上从一个节点到另一个节点的转移概率（单步）可以定义为：

进一步地，设=（pij）i，j∈V为转移概率矩阵。然后我们可以定义哪个表示对角矩阵：

因此我们可以将图的转移概率矩阵重新定义为：

随机游走的规则可以表示为：

其中可看作R中的向量，其第n个元素是指从初始节点开始的随机游动经过步骤到达第n个节点的概率。我们可以计算为：

的拉普拉斯矩阵可定义如下：

**命中时间。**命中时间可以看作是从节点开始的随机行走中访问节点之前的预期步数[45]。命中时间的递归定义如下：

其中表示节点之间的命中时间，节点是节点的直接邻居。是从一个节点到另一个节点的转移概率。Nis是节点的邻居集[44]。

即使在正则图中，击中时间矩阵也不是对称的。Lovasz[45]证明了关于击中时间的另一个重要事实：击中时间遵循三角形不等式。

**上下班时间。**节点之间的通勤时间定义为：

这意味着随机游走中的例外步数，从开始，在访问节点之前，然后再次到达节点