[논문 리뷰] Weighted dynamic finger in binary search trees

John Iacono, Stefan Langerman|arXiv (Cornell University)|2016. 01. 10.

Algorithms and Data Compression참고 문헌 19인용 수 12

한 줄 요약

이 논문은 이진 탐색 트리에서 GreedyASS 알고리즘의 최적의 탐색 비용 한계가 가중치가 부여된 동적 손가락 성질과 동치임을 증명한다. 여기서 탐색 비용은 장기간의 시퀀스에 걸쳐 평균적으로 O(1 + log(∑ wi · p_i))로 제한된다. 이 결과는 이전 연구, 특히 Splay 트리의 경우를 포함하여 더 강력하고 단순하며 더 효율적인 손가락 유형의 경계를 확립한다. 상수는 합리적이다.

ABSTRACT

It is shown that the online binary search tree data structure GreedyASS performs asymptotically as well on a sufficiently long sequence of searches as any static binary search tree where each search begins from the previous search (rather than the root). This bound is known to be equivalent to assigning each item i in the search tree a positive weight wi and bounding the search cost of an item in the search sequence s1, . . ., sm by O(1 + log[EQUATION]) amortized. This result is the strongest finger-type bound to be proven for binary search trees. By setting the weights to be equal, one observes that our bound implies the dynamic finger bound. Compared to the previous proof of the dynamic finger bound for Splay trees, our result is significantly shorter, stronger, simpler, and has reasonable constants.

연구 동기 및 목표

• 온라인 이진 탐색 트리에 대해 더 날카우면서도 일반적인 손가락 유형의 경계를 확립하기 위해.
• GreedyASS가 가중치가 부여된 경로 비용을 갖는 어떤 정적 탐색 트리와도 동일한 성능을 보임을 증명하기 위해.
• 이전의 Splay 트리에 대한 동적 손가락 경계에 비해 더 단순하고 효율적인 증명을 제공하기 위해.
• 동적 손가락 성질이 향상된 상수와 더 강력한 분할 평균 보장을 갖는지 보여주기 위해.

제안 방법

• 저자들은 항목의 가중치를 기반으로 한 가중치가 부여된 잠재 함수를 사용하여 GreedyASS 알고리즘의 성능을 분석한다.
• 탐색 항목의 가중치 확률 합에 의존하는 분할 평균 비용 경계를 유도한다.
• 이 방법은 탐색 비용이 액세스 확률의 가중합과 관련이 있음을 보여주는 분할 분석 프레임워크를 활용한다.
• 증명은 GreedyASS의 성능이 가중치가 부여된 탐색 비용을 갖는 정적 트리와 동치임을 확립한다.
• 잠재 함수의 논증을 통해 탐색 비용이 O(1 + log(∑ wi · p_i))로 분할 평균적으로 제한됨을 보여준다.
• 복잡한 케이스 분석을 피함으로써 더 짧고 투명한 증명을 이끌어낸다.

실험 결과

연구 질문

• RQ1 GreedyASS는 개선된 상수와 더 단순한 분석을 통해 동적 손가락 유형의 경계를 달성할 수 있는가?
• RQ2 GreedyASS는 가중치가 부여된 액세스 비용을 갖는 어떤 정적 이진 탐색 트리와도 동일한 성능을 보이는가?
• RQ3 이전의 Splay 트리 증명보다 더 직접적이고 더 좋은 상수를 갖는 동적 손가락 경계를 증명할 수 있는가?
• RQ4 가중치가 부여된 것과 동적 손가락 행동을 모두 포괄하는 통합 프레임워크가 존재하는가?

주요 결과

• GreedyASS는 양수인 가중치 wi의 어떤 선택에도 분할 평균 탐색 비용이 O(1 + log(∑ wi · p_i))임을 달성한다.
• 이 경계는 각 탐색이 이전 탐색 위치에서 시작되는 어떤 정적 이진 탐색 트리의 성능과 일치한다.
• 이전의 Splay 트리에 대한 동적 손가락 경계 증명보다 훨씬 짧고 단순하다.
• 모든 가중치를 동일하게 설정함으로써 동적 손가락 경계가 유도되며, 상수 값은 합리적이다.
• 분석은 이전에 알려진 바보다 더 강력한 손가락 유형의 경계를 제공한다.