[논문 리뷰] Dynamic Integer Sets with Optimal Rank, Select, and Predecessor Search

Mihai Pǎtraşcu, Mikkel Thorup|arXiv (Cornell University)|2014. 08. 13.

Algorithms and Data Compression참고 문헌 22인용 수 7

한 줄 요약

이 논문은 단어 램에서 동적 정수 집합 데이터 구조를 제시하며, 삽입, 삭제, 선행자, 후행자, 순위, 선택 연산을 최적의 O(log n / log w) 시간에 지원한다. 이는 알려진 하한선과 일치한다. 핵심 혁신은 크기가 작은 집합(n = w^O(1))에 대해 상수 시간 연산을 가능하게 하는 동적 융합 노드로, 데이터 구조 분야에서 오랫동안 남아 있던 열린 문제를 해결한다.

ABSTRACT

We present a data structure representing a dynamic set S of w-bit integers on a w-bit word RAM. With |S|=n and w > log n and space O(n), we support the following standard operations in O(log n / log w) time: - insert(x) sets S = S + {x}. - delete(x) sets S = S - {x}. - predecessor(x) returns max{y in S | y< x}. - successor(x) returns min{y in S | y >= x}. - rank(x) returns #{y in S | y< x}. - select(i) returns y in S with rank(y)=i, if any. Our O(log n/log w) bound is optimal for dynamic rank and select, matching a lower bound of Fredman and Saks [STOC'89]. When the word length is large, our time bound is also optimal for dynamic predecessor, matching a static lower bound of Beame and Fich [STOC'99] whenever log n/log w=O(log w/loglog w). Technically, the most interesting aspect of our data structure is that it supports all the above operations in constant time for sets of size n=w^{O(1)}. This resolves a main open problem of Ajtai, Komlos, and Fredman [FOCS'83]. Ajtai et al. presented such a data structure in Yao's abstract cell-probe model with w-bit cells/words, but pointed out that the functions used could not be implemented. As a partial solution to the problem, Fredman and Willard [STOC'90] introduced a fusion node that could handle queries in constant time, but used polynomial time on the updates. We call our small set data structure a dynamic fusion node as it does both queries and updates in constant time.

연구 동기 및 목표

• 동적 순위 및 선택 연산에 대해 최적의 시간 복잡도를 달성하는 데 있어 오랜 기간 동안 남아 있던 열린 문제를 해결한다.
• 최적의 시간 복잡도를 갖는 동적 정수 집합에서 효율적인 선행자 질의를 지원하는 문제를 해결한다.
• 모든 쿼리 및 업데이트 시간을 동시에 최적화하는 데이터 구조를 설계하며, 알려진 셀-프로브 하한선과 일치시킨다.
• 크기가 작은 집합(n = w^O(1))에 대해 모든 연산을 상수 시간 내에 수행할 수 있는 동적 융합 노드를 구성하여, Ajtai, Komlós 및 Fredman가 제기한 핵심 문제를 해결한다.

제안 방법

• w비트 단어를 사용하는 단어 램 모델을 활용하며, 색인 및 상수 시간 단어 연산을 지원하기 위해 w ≥ log n 라는 조건을 가정한다.
• 크기 n = w^O(1)인 집합에 대해 삽입, 삭제, 순위, 선택, 선행자, 후행자를 O(1) 시간 내에 수행할 수 있는 동적 융합 노드를 도입한다.
• vAN Emde Boas 스타일의 재귀적 구조와 하위 수준에서 동적 융합 노드를 결합하여 로그 시간 복잡도의 쿼리 시간을 달성한다.
• 다중 수준의 계층적 구조를 사용하며, 상위 수준은 수정된 융합 기반 접근법을 사용하고, 하위 수준은 최적화된 vAN Emde Boas 또는 Y-fast 트라이와 함께 동적 융합 노드를 사용한다.
• h와 q를 기반으로 한 매개변수화된 구성 방식을 적용하여 공간과 시간의 균형을 맞추며, 하위구조에 대해 O(q^{2h})의 공간을 사용하고, 구축 비용을 분산처리한다.
• 정적 하한선을 동적 환경으로 확장하기 위해 정적 데이터 구조를 동적 삽입 시퀀스로 시뮬레이션함으로써, 하한선의 함의를 유지한다.

실험 결과

연구 질문

• RQ1 동적 정수 집합이 Fredman-Saks 하한선인 O(log n / log w)의 시간 복잡도로 순위 및 선택 연산을 지원할 수 있는가?
• RQ2 w가 클 경우 동적 선행자 검색 시간을 O(log n / log w)로 최적화할 수 있는가? 이는 Beame-Fich 정적 하한선과 일치한다.
• RQ3 크기가 작은 집합(n = w^O(1))에 대해 모든 연산을 상수 시간 내에 수행할 수 있는 동적 융합 노드를 구성할 수 있는가? 이는 Ajtai 등이 제기한 열린 문제를 해결한다.
• RQ4 계층적 구조를 어떻게 설계하여 모든 수준에서 최적의 시간 복잡도를 유지하면서도 선형 공간 사용을 보장할 수 있는가?
• RQ5 키 길이 ℓ 가 제한될 경우 동적 선행자 검색에 대해 가장 날카로운 하한선은 무엇이며, 이를 동적 연산을 통해 어떻게 달성할 수 있는가?

주요 결과

• 이 데이터 구조는 삽입, 삭제, 선행자, 후행자, 순위, 선택과 같은 모든 표준 연산을 O(log n / log w) 시간 내에 수행할 수 있으며, 이는 동적 순위 및 선택 연산에 대해 최적이다.
• log n / log w = O(log w / log log w)일 경우, 동적 선행자 검색에 대해 시간 복잡도 O(log n / log w)가 최적이며, Beame와 Fich의 정적 셀-프로브 하한선과 일치한다.
• 크기가 작은 집합(n = w^O(1))에 대해 이 데이터 구조는 새로운 동적 융합 노드 덕분에 모든 연산을 O(1) 시간 내에 수행할 수 있으며, 주요 열린 문제를 해결한다.
• 동적 융합 노드 덕분에 크기가 작은 집합에 대해 상수 시간 연산이 가능하며, 이는 이전의 다항식 시간 또는 무작위 방법을 사용한 구조들과는 대조적으로 결정론적 해결책을 제공한다.
• 모든 매개변수 영역에서 최적의 하한선을 달성하며, 특히 키 유니버스가 거의 가득 찬 경우(2^ℓ - n 이 작음)에도, vAN Emde Boas 재귀 깊이를 조정함으로써 최적의 성능을 달성한다.
• 공간 사용은 O(n)이며, 쿼리 및 업데이트 시간을 모두 고려할 때도 시간 복잡도가 날카로워지며, 셀-프로브 모델에서 알려진 가장 강력한 하한선과 일치한다.