[논문 리뷰] Almost Linear Time Computation of Maximal Repetitions in Run Length Encoded Strings

Keita Kuboi, Yuta Fujishige외 3명|arXiv (Cornell University)|2017. 01. 01.

Algorithms and Data Compression참고 문헌 9인용 수 3

한 줄 요약

이 논문은 두 문자열 A와 B의 가장 긴 공통 부분수열(LCS)을 계산하기 위한 O(mN + nM)-시간 알고리즘을 제안한다. 이 LCS는 주어진 제약 조건 문자열 C를 부분문자열로 포함해야 하며, m과 n은 A와 B의 런레ング스 인코딩(RLE) 형태의 크기이다. RLE를 활용하여 중복 계산을 줄이고, 최적화된 간격 조합을 사용하는 압축된 동적 프로그래밍 테이블을 도입함으로써, 압축 가능한 문자열에서 기존의 O(MN) 방법보다 더 빠른 성능을 달성한다.

ABSTRACT

The constrained LCS problem asks one to find a longest common subsequence of two input strings $A$ and $B$ with some constraints. The STR-IC-LCS problem is a variant of the constrained LCS problem, where the solution must include a given constraint string $C$ as a substring. Given two strings $A$ and $B$ of respective lengths $M$ and $N$, and a constraint string $C$ of length at most $\min\{M, N\}$, the best known algorithm for the STR-IC-LCS problem, proposed by Deorowicz~({\em Inf. Process. Lett.}, 11:423--426, 2012), runs in $O(MN)$ time. In this work, we present an $O(mN + nM)$-time solution to the STR-IC-LCS problem, where $m$ and $n$ denote the sizes of the run-length encodings of $A$ and $B$, respectively. Since $m \leq M$ and $n \leq N$ always hold, our algorithm is always as fast as Deorowicz's algorithm, and is faster when input strings are compressible via RLE.

연구 동기 및 목표

• 주어진 제약 조건 문자열 C를 부분문자열로 포함해야 하는 STR-IC-LCS 문제를 더 빠르게 해결하기 위한 알고리즘 개발
• 입력 문자열을 압축하고 계산 복잡도를 줄이기 위해 런레ング스 인코딩(RLE) 활용
• Deorowicz(2012)의 최적 O(MN) 시간 알고리즘보다 개선된 STR-IC-LCS 문제 해결
• RLE 기반 방법이 인위적인 사례를 넘어서 실제 응용 분야에서 실용적으로 유의미함을 입증, 특히 음악 및 시계열 데이터와 같은 분야에서

제안 방법

• 입력 문자열 A, B, C를 런레ング스 인코딩(RLE)으로 표현하여 각각의 효과적 크기를 m, n, |RLE(C)|로 줄임
• RLE 세그먼트의 접두사와 접미사를 위한 LCS 길이를 저장하는 압축된 동적 프로그래밍 테이블(cDP 테이블) 도입
• A와 B 내에서 C를 부분문자열로 포함하는 최소 C-간격을 식별하고, 런 유형에 따라 동치 클래스로 그룹화
• 레마 13을 활용하여 고려해야 할 간격 조합의 수를 O(gg')에서 O(mN + nM)로 감소시킴. 여기서 g와 g'은 최소 C-간격의 수임
• 레마 9를 통해 cDP 테이블을 이용해 각 관련 최소 C-간격 쌍에 대해 O(1) 시간에 LCS 길이 계산
• cDP 테이블을 역추적하고 RLE 세그먼트를 병합함으로써, O(m + n) 시간 내에 실제 STR-IC-LCS 복원

실험 결과

연구 질문

• RQ1 런레ング스 인코딩을 사용하여 STR-IC-LCS 문제를 O(MN) 시간 이하로 해결할 수 있는가?
• RQ2 RLE로 압축된 문자열의 구조는 어떻게 활용하여 중복된 LCS 계산을 줄일 수 있는가?
• RQ3 기존 문자열 길이 M과 N이 아닌 RLE 크기 m과 n에 따라 확장 가능한 동적 프로그래밍 접근법을 설계할 수 있는가?
• RQ4 STR-IC-LCS와 같은 제약 조건이 있는 LCS 문제에서 RLE를 사용할 경우 이론적이고 실용적인 성능 향상은 어느 정도인가?

주요 결과

• 제안된 알고리즘은 STR-IC-LCS의 길이를 O(mN + nM) 시간에 계산하며, 문자열이 RLE로 압축 가능할 경우 Deorowicz의 O(MN) 알고리즘보다 점근적으로 빠르다.
• 이러한 성능 향상은 최소 C-간격의 구조적 성질과 cDP 테이블을 활용하여 간격 조합의 수를 O(mN + nM)로 줄임으로써 달성된다.
• 사전 처리 후 최적의 C-간격 쌍을 저장하고 역추적함으로써, 실제 STR-IC-LCS를 O(m + n) 시간 내에 효율적으로 복원할 수 있다.
• 이 방법은 인위적인 사례를 넘어서도 적용 가능하며, 음악, 시계열 데이터(SAX 등) 및 반복적이고 이산화된 데이터가 많은 분야에서 자연스럽게 RLE가 발생하므로 실용적이다.
• |RLE(C)| = 1인 경우에도 알고리즘이 정확성과 효율성을 유지하며, 동일한 시간 복잡도를 유지한다.
• 압축 가능한 문자열에서는 경험적 성능 향상이 크게 예상되며, 항상 m ≤ M 및 n ≤ N이 성립하고, m과 n가 M과 N보다 훨씬 작을 수 있기 때문이다.