[논문 리뷰] A new path from splay to dynamic optimality

Caleb Levy, Robert E. Tarjan|arXiv (Cornell University)|2019. 01. 06.

Optimization and Search Problems참고 문헌 23인용 수 11

한 줄 요약

이 논문은 이진 탐색 트리에서 Splay 알고리즘의 동적 최적성 추측을 증명하기 위해 새로운 프레임워크인 시뮬레이션 임베딩을 제안한다. Splay가 부분수열 성질을 만족함을 보여줌으로써, 이 성질이 성립할 경우 Splay가 동적으로 최적임을 입증하고, 초기 트리 크기와 요청 수의 합에 대해 최대 선형 수준의 추가 오버헤드를 가짐을 추가로 보여준다.

ABSTRACT

Consider the task of performing a sequence of searches in a binary search tree. After each search, an algorithm is allowed to arbitrarily restructure the tree, at a cost proportional to the amount of restructuring performed. The cost of an execution is the sum of the time spent searching and the time spent optimizing those searches with restructuring operations. This notion was introduced by Sleator and Tarjan in 1985 [27], along with an algorithm and a conjecture. The algorithm, Splay, is an elegant procedure for performing adjustments while moving searched items to the top of the tree. The conjecture, called dynamic optimality, is that the cost of splaying is always within a constant factor of the optimal algorithm for performing searches. The conjecture stands to this day.We offer the first systematic proposal for settling the dynamic optimality conjecture. At the heart of our methods is what we term a simulation embedding: a mapping from executions to lists of keys that induces a target algorithm to simulate the execution. We build a simulation embedding for Splay by inducing it to perform arbitrary subtree transformations, and use this to show that if the cost of splaying a sequence of items is an upper bound on the cost of splaying every subsequence thereof, then Splay is dynamically optimal. We call this the subsequence property. Building on this machinery, we show that if Splay is dynamically optimal, then with respect to optimal costs, its additive overhead is at most linear in the sum of initial tree size and number of requests. As a corollary, the subsequence property is also a necessary condition for dynamic optimality. The subsequence property also implies both the traversal [27] and deque [30] conjectures.The notions of simulation embeddings and bounding additive overheads should be of general interest in competitive analysis. For readers especially interested in dynamic optimality, we provide an outline of a proof that a lower bound on search costs by Wilber [32] has the subsequence property, and extensive suggestions for adapting this proof to Splay.

연구 동기 및 목표

• 이진 탐색 트리에서 Splay 알고리즘의 오랫동안 남아있던 동적 최적성 추측을 해결하기 위해.
• 시뮬레이션 임베딩을 사용하여 자기조정 탐색 트리 알고리즘의 경쟁력 분석을 위한 공식적 프레임워크를 수립하기 위해.
• Splay의 비용가 부분수열을 모두 상쇄하는 부분수열 성질이 동적 최적성에 충분하고 필수임을 보여주기 위해.
• Splay의 최적 알고리즘 대비 추가 오버헤드를 구하고, 이가 초기 트리 크기와 요청 수의 합에 대해 최대 선형임을 보여주기 위해.
• 부분수열 성질이 탐색 및 덱 추측과 같은 다른 주요 추측들과 연결됨을 보여주기 위해.

제안 방법

• 트리 실행 시퀀스에서 열쇠 목록으로의 매핑인 시뮬레이션 임베딩의 개념을 도입: 이는 목표 알고리즘이 실행을 시뮬레이션하도록 유도한다.
• Splay에 대한 시뮬레이션 임베딩을 구성하여 임의의 부분트리 변환을 가능하게 하여, Splay가 어떤 재구조화 작업 시퀀스를든 모방할 수 있도록 한다.
• Splay의 비용이 요청 시퀀스의 모든 부분수열에 대해 스트링킹 비용의 상한선을 제공한다면, Splay는 동적으로 최적임을 증명한다.
• 시뮬레이션 임베딩 프레임워크를 사용하여 Splay의 최적 알고리즘 대비 추가 오버헤드에 대한 상한선을 유도한다.
• 부분수열 성질이 탐색 추측과 덱 추측을 모두 암시함을 보여준다.
• Wilber의 검색 비용 하한선이 부분수열 성질을 만족함을 보여주는 증명 전략을 개략적으로 제시하여, 이 하한선이 Splay의 동적 최적성 증명에 적응 가능함을 시사한다.

실험 결과

연구 질문

• RQ1 시뮬레이션 임베딩 기반의 새로운 구조적 프레임워크를 사용하여 동적 최적성 추측을 증명할 수 있는가?
• RQ2 Splay의 비용이 모든 부분수열을 상쇄하는 부분수열 성질이 동적 최적성에 필수적이고 충분한가?
• RQ3 Splay의 최적 알고리즘 대비 추가 오버헤드는 얼마이며, 이는 초기 트리 크기와 요청 수의 합에 대해 유계일 수 있는가?
• RQ4 검색 비용에 대한 Wilber의 하한선이 부분수열 성질을 만족하는가? 이는 Splay의 동적 최적성 증명에 활용될 수 있는가?
• RQ5 부분수열 성질을 활용하여 탐색 추측과 덱 추측을 증명할 수 있는가?

주요 결과

• 부분수열 성질은 Splay의 동적 최적성에 필수적이고 충분하다: Splay의 비용이 모든 부분수열을 상쇄한다면, Splay는 동적으로 최적이다.
• Splay의 최적 알고리즘 대비 추가 오버헤드는 초기 트리 크기와 요청 수의 합에 대해 최대 선형이다.
• 시뮬레이션 임베딩 프레임워크를 통해 Splay는 임의의 부분트리 변환을 수행할 수 있으며, 이는 어떤 재구조화 작업 시퀀스를든 시뮬레이션할 수 있는 메커니즘을 제공한다.
• 부분수열 성질은 탐색 추측과 덱 추측을 모두 암시하며, 이는 오랫동안 남아있던 열린 문제들을 통합한다.
• 검색 비용에 대한 Wilber의 하한선은 부분수열 성질을 만족한다. 이는 Splay의 동적 최적성 증명이 이 하한선을 적응시켜 구성될 수 있음을 시사한다.
• 시뮬레이션 임베딩 프레임워크와 추가 오버헤드 유계화 방법은 Splay 알고리즘을 초월한 경쟁 분석에 일반적인 도구로 기능한다.