[论文解读] Cut Paths and Their Remainder Structure, with Applications

Massimo Cairo, Shahbaz Khan+4 more|arXiv (Cornell University)|Oct 14, 2022

Genomics and Chromatin Dynamics被引用 2

一句话总结

本文引入了剪切路径（cut paths）——剪切弧（cut arcs）的推广形式——作为有向图中的基本结构，其中一条路径是剪切路径当且仅当每条从 u 到 v 的路径都包含该路径作为子路径。作者开发了余数结构（remainder structures）以在 O(m) 时间内验证剪切路径，并将其应用于生物信息学中的可达性问题，实现了多安全路径（multi-safety）的首个线性时间算法，并将最大多安全路径的枚举时间复杂度优化至 O(mn)。

ABSTRACT

In a strongly connected graph $G = (V,E)$, a cut arc (also called strong bridge) is an arc $e \in E$ whose removal makes the graph no longer strongly connected. Equivalently, there exist $u,v \in V$, such that all $u$-$v$ walks contain $e$. Cut arcs are a fundamental graph-theoretic notion, with countless applications, especially in reachability problems. In this paper we initiate the study of cut paths, as a generalisation of cut arcs, which we naturally define as those paths $P$ for which there exist $u,v \in V$, such that all $u$-$v$ walks contain $P$ as subwalk. We first prove various properties of cut paths and define their remainder structures, which we use to present a simple $O(m)$-time verification algorithm for a cut path ($|V| = n$, $|E| = m$). Secondly, we apply cut paths and their remainder structures to improve several reachability problems from bioinformatics. A walk is called safe if it is a subwalk of every node-covering closed walk of a strongly connected graph. Multi-safety is defined analogously, by considering node-covering sets of closed walks instead. We show that cut paths provide simple $O(m)$-time algorithms verifying if a walk is safe or multi-safe. For multi-safety, we present the first linear time algorithm, while for safety, we present a simple algorithm where the state-of-the-art employed complex data structures. Finally we show that the simultaneous computation of remainder structures of all subwalks of a cut path can be performed in linear time. These properties yield an $O(mn)$ algorithm outputting all maximal multi-safe walks, improving over the state-of-the-art algorithm running in time $O(m^2+n^3)$. The results of this paper only scratch the surface in the study of cut paths, and we believe a rich structure of a graph can be revealed, considering the perspective of a path, instead of just an arc.

研究动机与目标

• 形式化并研究剪切路径作为有向图中剪切弧的推广形式。
• 定义并分析剪切路径的余数结构，以实现高效验证与计算。
• 将剪切路径应用于改进基因组组装中可达性问题的安全部分与多安全部分的算法。
• 开发首个用于在强连通图中识别多安全路径的线性时间算法。
• 改进最大多安全路径枚举的现有技术水平，将时间复杂度降低至 O(mn)。

提出的方法

• 将剪切路径定义为满足所有从 u 到 v 的路径都包含该路径作为子路径的路径 W，从而推广剪切弧的概念。
• 引入余数结构 R+(W) 和 R−(W)，以刻画剪切路径 W 周围的可达性行为。
• 通过正向与反向遍历，对给定的剪切路径在 O(m) 时间内计算余数结构。
• 利用余数结构的单调性特性，在线性时间内验证安全与多安全路径。
• 利用强连通分量（SCC）计算与路径分解技术，检测余数子图中的关键组件。
• 采用基于标志的剪枝策略，避免最大多安全路径的重复枚举，确保输出敏感型效率。

实验结果

研究问题

• RQ1 剪切路径在强连通有向图中具有哪些结构性质？
• RQ2 如何高效计算剪切路径的余数结构？其保持了哪些不变量？
• RQ3 剪切路径能否用于设计验证路径安全与多安全性的线性时间算法？
• RQ4 枚举所有最大多安全路径的计算复杂度是多少？是否可以进一步优化？
• RQ5 是否存在高效算法，能够以输出敏感型时间复杂度枚举安全或最大多安全路径？

主要发现

• 通过其余数结构，剪切路径可在 O(m) 时间内被验证，提供一个简单的 YES 证明。
• 余数结构使首个用于检查路径多安全性的线性时间算法成为可能。
• 本文提出首个 O(mn)-时间复杂度的算法，用于枚举所有最大多安全路径，优于先前的 O(m² + n³) 上限。
• 所有最大多安全路径的总长度为 O(n³)，且该算法在该界内实现了输出敏感型性能。
• 由于其结构化的依赖关系，剪切路径的所有子路径的余数结构均可在线性时间内计算。
• 该方法避免了复杂数据结构在安全验证中的使用，为先前最先进方法提供了更简洁的替代方案。