[논문 리뷰] Optimal trade-offs for pattern matching with $k$ mismatches

Paweł Gawrychowski, Przemysław Uznański|arXiv (Cornell University)|2017. 04. 05.

Algorithms and Data Compression인용 수 5

한 줄 요약

이 논문은 $k$-미스매치 패턴 매칭을 위한 새로운 알고리즘을 제안하며, $\widetilde{\mathcal{O}}((m + k\sqrt{m}) \cdot n/m)$의 부드러운 시간 복잡도 트레이드오프를 달성하여 $\widetilde{\mathcal{O}}(n\sqrt{k})$와 $\widetilde{\mathcal{O}}((m + k^2) \cdot n/m)$의 두 경계 사이를 조율한다. 이는 조합적 행렬 곱셈 추측을 가정할 경우 더 빠른 조합적 알고리즘이 거의 불가능하다는 조건부 하한을 함께 제시한다.

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.

연구 동기 및 목표

• 두 알려진 시간 복잡도 경계 사이의 격차를 메우기 위해 $k$-미스매치 패턴 매칭에 대해 $\widetilde{\mathcal{O}}(n\sqrt{k})$와 $\widetilde{\mathcal{O}}((m + k^2) \cdot n/m)$를 고려한다.
• 이 두 극단 사이를 부드럽게 조율하는 단일 알고리즘을 설계하여 $k$ 값의 전 범위에서 더 나은 성능을 제공한다.
• 제안된 트레이드오프가 조합적 행렬 곱셈 추측 하에 거의 최적임을 보여주는 조건부 하한을 제공한다.
• 효율적인 $k$-미스매치 계산을 위해 기존 기법들을 통합하고 개선한다: 컨볼루션, RLE 압축, 블록 기반 분해

제안 방법

• 알고리즘은 런레ング스 인코딩(RLE)을 사용해 패턴과 텍스트를 $\mathcal{O}(k)$개의 블록으로 분할함으로써 문제를 RLE $k$-미스매치 패턴 매칭으로 환원한다.
• 적은 수의 RLE 블록에 나타나는 문자들에 대해서는 사전에 계산된 표현을 사용해 블록 쌍당 상수 시간 내에 매칭을 계산한다.
• 많은 블록에 걸쳐 나타나는 문자들에 대해서는 해당 패턴 조각을 복원하고 $\mathcal{O}(m)$ 시간 내에 고전적인 FFT 기반 컨볼루션을 적용한다.
• 두 접근 방식 간의 비용을 균형 잡기 위해 임계값을 설정하여 RLE 하위 문제에 대해 $\widetilde{\mathcal{O}}(k\sqrt{m})$ 시간을 달성한다.
• 두 전략을 조합하고 생성함수 및 두 번째 도함수를 활용해 효율적인 갱신을 수행함으로써 총 시간 복잡도를 $\widetilde{\mathcal{O}}((m + k\sqrt{m}) \cdot n/m)$로 유도한다.
• 직사각형 부울 행렬 곱셈으로의 감소를 통해 조건부 하한을 도출하였으며, 더 빠른 조합적 알고리즘이 존재할 경우 조합적 행렬 곱셈 추측과 모순된다.

실험 결과

연구 질문

• RQ1 $k$-미스매치 패턴 매칭에 대해 $\widetilde{\mathcal{O}}(n\sqrt{k})$와 $\widetilde{\mathcal{O}}((m + k^2) \cdot n/m)$ 경계 사이에 부드러운 시간 복잡도 트레이드오프를 달성할 수 있는가?
• RQ2 제안된 트레이드오프인 $\widetilde{\mathcal{O}}((m + k\sqrt{m}) \cdot n/m)$ 시간 복잡도가 최적인지, 아니면 크게 향상시킬 수 있는가?
• RQ3 조합적 행렬 곱셈에 기반한 조건부 하한을 이 문제의 더 빠른 조합적 알고리즘을 배제하기 위해 확장할 수 있는가?
• RQ4 패턴 내 희귀 및 고빈도 발생 문자를 효과적으로 처리하기 위해 RLE 압축과 컨볼루션을 어떻게 통합할 수 있는가?

주요 결과

• 제안된 알고리즘은 $\widetilde{\mathcal{O}}((m + k\sqrt{m}) \cdot n/m)$의 시간 복잡도를 달성하며, $k = \mathcal{O}(\sqrt{m})$와 $k = \Omega(m)$에서 최고의 알려진 경계와 일치하지만, 그 사이에서 트레이드오프를 개선한다.
• 특히 $k = \Theta(m^{2/3})$일 경우, 복잡도를 $\widetilde{\mathcal{O}}(m^{4/3})$에서 $\widetilde{\mathcal{O}}(m^{7/6})$로 향상시켜 중간 영역에서의 성능 향상을 뚜렷이 보여준다.
• 알고리즘은 조건부 최적이다: 더 빠른 조합적 알고리즘이 존재할 경우 조합적 행렬 곱셈 추측과 모순된다.
• 조건부 하한은 추측을 바탕으로 $k = \Theta(n^\kappa)$와 패턴 길이 $m = \Theta(n^\alpha)$일 때, $\frac{1}{2}\alpha \leq \kappa \leq \alpha \leq 1$인 범위에서 유효하다.
• 희귀 문자와 빈번한 문자 처리의 비용을 균형 잡기 위한 임계값 전략을 사용하여 RLE 기반 블록 분해와 FFT 기반 컨볼루션을 효과적으로 통합한다.
• 생성함수의 두 번째 도함수를 활용해 $\mathcal{O}(k \cdot t)$ 시간 내에 미스매치 수를 유지할 수 있으며, 여기서 $t = \sqrt{m \log m}$이므로 최종 시간 복잡도에 도달한다.