[論文レビュー] Optimal trade-offs for pattern matching with $k$ mismatches

Paweł Gawrychowski, Przemysław Uznański|arXiv (Cornell University)|Apr 5, 2017

Algorithms and Data Compression被引用数 5

ひとこと要約

この論文は、$k$-ミスマッチパターンマッチングのための新しいアルゴリズムを提示する。このアルゴリズムは、$\widetilde{\mathcal{O}}(n\sqrt{k})$ と $\widetilde{\mathcal{O}}((m + k^2) \cdot n/m)$ の両方の境界の間を滑らかに補間する時間的トレードオフ $\widetilde{\mathcal{O}}((m + k\sqrt{m}) \cdot n/m)$ を達成する。さらに、組合せ的行列積 conjecture を仮定すると、はるかに高速な組合せ的アルゴリズムはあり得ないことを示す条件付き下界が提示されている。

ABSTRACT

Given a pattern of length $m$ and a text of length $n$, the goal in $k$-mismatch pattern matching is to compute, for every $m$-substring of the text, the exact Hamming distance to the pattern or report that it exceeds $k$. This can be solved in either $\widetilde{O}(n \sqrt{k})$ time as shown by Amir et al. [J. Algorithms 2004] or $\widetilde{O}((m + k^2) \cdot n/m)$ time due to a result of Clifford et al. [SODA 2016]. We provide a smooth time trade-off between these two bounds by designing an algorithm working in time $\widetilde{O}( (m + k \sqrt{m}) \cdot n/m)$. We complement this with a matching conditional lower bound, showing that a significantly faster combinatorial algorithm is not possible, unless the combinatorial matrix multiplication conjecture fails.

研究の動機と目的

• $k$-ミスマッチパターンマッチングの既知の二つの時間計算量の境界 $\widetilde{\mathcal{O}}(n\sqrt{k})$ と $\widetilde{\mathcal{O}}((m + k^2) \cdot n/m)$ の間のギャップを埋める。
• 両極端の間を滑らかに補間する単一のアルゴリズムを設計し、$k$ の全範囲にわたってより優れた性能を実現する。
• 提案されたトレードオフが、組合せ的行列積の予想に基づいてほぼ最適であることを示す条件付き下界を提供する。
• 効率的な $k$-ミスマッチ計算のため、畳み込み、RLE圧縮、ブロックベースの分解といった先行技術を統合・改善する。

提案手法

• アルゴリズムは、ランレングス符号化（RLE）を用いてパターンとテキストを $\mathcal{O}(k)$ 個のブロックに分割し、問題を RLE $k$-ミスマッチパターンマッチングに還元する。
• RLE ブロックに少ない回数しか出現しない文字については、事前計算された表現を用いて各ブロックペアあたり定数時間で一致を計算する。
• 多くのブロックに出現する文字については、対応するパターン断片を展開し、$\mathcal{O}(m)$ 時間で古典的な FFT に基づく畳み込みを適用する。
• 二つのアプローチのコストをバランスさせるためのしきい値を設定し、RLE の部分問題に対して $\widetilde{\mathcal{O}}(k\sqrt{m})$ 時間を達成する。
• 生成関数と2階微分を効率的に更新する手法を活用して、二つの戦略を統合することで、全体の時間計算量は $\widetilde{\mathcal{O}}((m + k\sqrt{m}) \cdot n/m)$ となる。
• 長方形ブール行列積への還元により、条件付き下界を導出する。これにより、より高速な組合せ的アルゴリズムが存在すれば、組合せ的行列積の予想に反する。

実験結果

リサーチクエスチョン

• RQ1 $k$-ミスマッチパターンマッチングにおいて、$\widetilde{\mathcal{O}}(n\sqrt{k})$ と $\widetilde{\mathcal{O}}((m + k^2) \cdot n/m)$ の両境界の間で滑らかな時間的トレードオフを達成できるか。
• RQ2 提案されたトレードオフ $\widetilde{\mathcal{O}}((m + k\sqrt{m}) \cdot n/m)$ は最適か、それより著しく改善可能か。
• RQ3 組合せ的行列積に基づく条件付き下界を、この問題のより高速な組合せ的アルゴリズムの存在を除外するために拡張可能か。
• RQ4 パターン内の文字の出現が疎または稠密な場合に、RLE 圧縮と畳み込みを効果的に組み合わせて処理する方法は何か。

主な発見

• 提案されたアルゴリズムは、$\widetilde{\mathcal{O}}((m + k\sqrt{m}) \cdot n/m)$ の時間計算量を達成し、$k = \mathcal{O}(\sqrt{m})$ および $k = \Omega(m)$ の極端な場合に既知の最良の境界と一致するが、中間領域ではトレードオフが改善される。
• 特に $k = \Theta(m^{2/3})$ の場合、時間計算量は $\widetilde{\mathcal{O}}(m^{4/3})$ から $\widetilde{\mathcal{O}}(m^{7/6})$ に改善され、中間領域での顕著な性能向上が示された。
• アルゴリズムは条件付き最適である：はるかに高速な組合せ的アルゴリズムが存在すれば、組合せ的行列積の予想に反する。
• 条件付き下界は、$k = \Theta(n^\kappa)$ および $m = \Theta(n^\alpha)$ で $\frac{1}{2}\alpha \leq \kappa \leq \alpha \leq 1$ の範囲で、予想のもとで成立する。
• RLE に基づくブロック分解と FFT に基づく畳み込みを、まれな文字と頻出文字の処理コストをバランスさせるしきい値戦略を用いて効果的に統合している。
• 生成関数の2階微分の使用により、$t = \sqrt{m \log m}$ のとき $\mathcal{O}(k \cdot t)$ 時間でミスマッチ数を維持可能となり、最終的な時間計算量が得られた。