[論文レビュー] The Dynamic Longest Increasing Subsequence Problem

Alex Chen, Timothy Chu+1 more|arXiv (Cornell University)|Sep 30, 2013

Algorithms and Data Compression参考文献 7被引用数 6

ひとこと要約

本稿では、挿入および削除が行われるシーケンスにおける最長増加部分列（LIS）を効率的に維持するための動的データ構造を提示する。この構造は、クエリを O(r + log n) 時間で、更新を O(r log(n/r)) 最悪時間で処理でき、r は LIS の長さを表す。挿入が末尾のみに制限される場合には、O(log n) の更新時間となる。

ABSTRACT

In this paper, we construct a data structure to efficiently compute the longest increasing subsequence of a sequence subject to dynamic updates. Our data structure supports a query for the longest increasing subsequence in $O(r+\log n)$ worst-case time and supports inserts anywhere in the sequence in $O \left(r\log{n/r} ight)$ worst-case time (where $r$ is the length of the longest increasing subsequence). The same data structure with a minor modification supports $O(\log n)$ worst-case time insertions if the insertions are performed at the end of the sequence. The data structure presented can also be augmented to support delete operations in the same worst-case time as insertions.

研究の動機と目的

• 挿入および削除が行われる動的変化するシーケンスにおける最長増加部分列（LIS）を効率的に維持するデータ構造の開発。
• 既存の研究では末尾への操作に限定されているが、本稿では任意の位置への挿入および削除をサポートする点でギャップを埋める。
• LIS の長さをほぼ最適な時間で維持することで、シーケンスの整列状態のリアルタイム監視を可能にする。
• 検索エンジンなどの、わずかな更新後でも完全な再ソートを避ける必要があるアプリケーションを支援する。
• 一般動的トポロジカルソートアルゴリズムに対して、増加部分列という特定のケースにおいて、より優れた時間計算量を達成する。

提案手法

• 各要素のレベル（そのインデックスで終わる LIS の長さ）を、レベルごとに1本ずつの赤黒木の森として表現する。
• 赤黒木を用いて各レベル集合 L_k 内のインデックスを管理し、先行者、後続者、分割、結合操作を O(log t) 時間でサポートする。
• Lemma 6 を適用して、T_{k+1} を、T_k の最小値より大きく、かつ f(i) > f(max(T_k)) を満たす L_{k+1} 内のインデックスとして効率的に計算する。
• レベルを二分探索することで、新しい要素 (x, f(x)) の正しいレベル l(x) を特定する。各レベルで f(i) の先行者を照会することで行う。
• 木の分割と結合を用いてレベル集合を更新する：先行者照会から得た境界を用いて T_k を抽出し、残りの要素を T_{k-1} と結合する。
• 各レベルの最大インデックスをバランスの取れた二分探索木で管理することで、末尾への挿入に限定された場合に O(log n) の更新時間の達成を実現する。

実験結果

リサーチクエスチョン

• RQ1 任意の位置への挿入および削除を効率的に行える動的データ構造は、最長増加部分列（LIS）の長さを維持できるか？
• RQ2 任意の挿入および削除に対して、LIS の更新における最悪時間計算量の最適値は何か？
• RQ3 末尾への挿入に対して O(log n) の時間計算量を達成できるか。これは一般動的トポロジカルソートと比較してどのように異なるか？
• RQ4 LIS の長さ r が大きくなる場合、構造の効率はどのようにスケーリングするか？
• RQ5 アルゴリズムのフィンガリング特性は何か。特に、シーケンスの末尾に近い位置に挿入すると、更新性能が向上するか？

主な発見

• LIS の長さのクエリは、O(r + log n) の最悪時間で処理可能であり、r は LIS の長さを表す。
• シーケンス内の任意の位置への挿入は、O(r log(n/r)) の最悪時間で処理可能であり、与えられた制約下で最適である。
• 挿入が末尾のみに制限される場合には、レベル最大値のバランスの取れた二分探索木のおかげで、更新時間が O(log n) に改善される。
• 削除処理も挿入と同一の時間計算量で処理可能であり、動的操作全体にわたり効率性が維持される。
• r = n の場合、一般動的トポロジカルソートの最悪時間境界と一致するが、r が小さい場合にはより優れた性能を示す。
• 赤黒木の使用により、先行者、分割、結合操作が効率的に実行可能であり、これらは更新に伴うレベル集合 L_k の維持に不可欠である。