[論文レビュー] An Optimal Algorithm for Sorting in Trees

Jishnu Roychoudhury, Jatin Yadav|arXiv (Cornell University)|May 31, 2022

Algorithms and Data Compression被引用数 2

ひとこと要約

本稿では、最大ノード次数dをパラメータとして用いるランダム化アルゴリズムを提示し、木ポセットのソートにO(dn log n)の最悪期待クエリおよび時間計算量を達成する。これは有界次数の木に対して最適であり、従来のO(dn log²n)の上限からlog²n要因を排除することで改善されており、決定的およびランダム化アルゴリズムの両方に対してΩ(dn + n log n)の新たな下界を確立している。また、一般のポセットソーティング手法よりも優れた時間計算量を持つ、木ポセットに対する最初の決定的アルゴリズムを導入している。

ABSTRACT

Sorting is a foundational problem in computer science that is typically employed on sequences or total orders. More recently, a more general form of sorting on partially ordered sets (or posets), where some pairs of elements are incomparable, has been studied. General poset sorting algorithms have a lower-bound query complexity of Ω(wn + n log n), where w is the width of the poset. We consider the problem of sorting in trees, a particular case of partial orders. This problem is equivalent to the problem of reconstructing a rooted directed tree from path queries. We parametrize the complexity with respect to d, the maximum degree of an element in the tree, as d is usually much smaller than w in trees. For example, in complete binary trees, d = Θ(1), w = Θ(n). The previous known upper bounds are O(dn log² n) [Wang and Honorio, 2019] and O(d² n log n) [Ramtin Afshar et al., 2020], and a recent paper proves a lower bound of Ω(dn log_d n) [Paul Bastide, 2023] for any Las Vegas randomized algorithm. In this paper, we settle the complexity of the problem by presenting a randomized algorithm with worst-case expected O(dnlog_d n) query and time complexity.

研究の動機と目的

• 幅wが大きく、性能を著しく低下させる木構造の部分順序における既存のポセットソーティングアルゴリズムの非効率性を解消すること。
• 通常は幅wよりもはるかに小さいため、最大次数dを重要なパラメータとして活用することで、木ポセットの効率的ソーティングアルゴリズムを設計すること。
• 有界次数の木に対して、クエリおよび時間計算量の最適性を達成し、従来のO(dn log²n)の上界を改善すること。
• ランダム化および決定的アルゴリズムの両方に対して、木ポセットソーティングのよりタイトな下界を確立すること。
• 既存の一般ポセットソーティングアルゴリズムよりも優れた時間計算量を持つ、木ポセットに対する最初の決定的アルゴリズムを提示すること。

提案手法

• 木の重心に基づく分割統治戦略を用い、再帰的に部分木を分割・ソートする。
• 要素のランダムサンプリングを用いて相対順序を推定し、効率的な比較を誘導する。
• 実行中に最大次数dを動的に発見するが、dを入力として必要としない。
• 部分的に順序付けられた構造を維持し、標的的な比較によって比較不能なペアを段階的に解消する。
• 理論的分析では、確率的議論と木の分解技術を組み合わせ、期待クエリおよび時間計算量の上限を導出する。
• 下界は敵対的構築により導出され、構造的に類似した木を区別するにはΩ(dn)およびΩ(n log n)のクエリが必要であることが示されている。

実験結果

リサーチクエスチョン

• RQ1 ランダム化アルゴリズムが、従来のO(dn log²n)の上限よりも改善されたO(dn log n)のクエリ計算量で木ポセットをソートできるか？
• RQ2 既存の一般ポセットの下界を超えて、木ポセットソーティングのクエリ計算量に対してよりタイトな下界を確立できるか？
• RQ3 既存の一般ポセットソーティングアルゴリズムよりも優れた時間計算量を持つ、木ポセット用の決定的アルゴリズムを設計できるか？
• RQ4 与えられたポセットが木ポセットであるかどうかを識別するために必要な基本的なクエリ計算量は何か？
• RQ5 幅wではなく最大次数dが、木ポセットソーティングの計算量解析においてなぜより効果的なパラメータとなるのか？

主な発見

• 提示されたランダム化アルゴリズムは、有界次数の木に対して最悪期待クエリおよび時間計算量O(dn log n)を達成し、これは最適である。
• 本稿では、任意のランダム化または決定的アルゴリズムが木ポセットソーティングに要する最悪クエリ計算量に対して、Ω(dn + n log n)の新たな下界を確立している。
• 上界と下界のギャップをO(d log²n)からO(log n)に縮小することで、有界次数の木に対して最適性を達成している。
• 時間計算量O(wn + n log n)の、木ポセットに対する最初の決定的アルゴリズムが提示されており、これは既存の一般ポセットソーティング手法よりも優れている。
• ポセットが木ポセットであるかどうかを識別するには、最悪でΩ(n²)のクエリが必要であり、効率的なソーティングのためには事前に木構造を知っている必要があることが示されている。
• アルゴリズムは実行中に最大次数dを動的に発見するため、dを入力として必要とする従来の手法よりも実用的かつ柔軟性に優れている。