[논문 리뷰] Finding Diverse Strings and Longest Common Subsequences in a Graph

Yuto Shida, Giulia Punzi외 3명|arXiv (Cornell University)|2024. 01. 01.

Algorithms and Data Compression인용 수 1

한 줄 요약

이 논문은 해밍 거리 기반의 최대합 및 최소-최대 다각도 장기공통부분수열(Max-Sum and Max-Min Diverse Longest Common Subsequences, LCS) 문제를 도입하고 분석하며, K(공통부분수열 후보 수)가 유계일 경우 다항시간 내에서 해법이 존재하고, K가 무한일 경우 NP-난해임을 증명한다. 또한 최대합 문제는 PTAS를 갖는다. 이러한 결과들은 일반적인 DAG 기반 문자열 표현 모델에서 도출되었으며, 최대-최소 다각도 문자열 집합 문제로부터의 감소를 통해 명시적 문자열 입력에 대해서도 NP-난해성을 입증한다.

ABSTRACT

In this paper, we study for the first time the Diverse Longest Common Subsequences (LCSs) problem under Hamming distance. Given a set of a constant number of input strings, the problem asks to decide if there exists some subset X of K longest common subsequences whose diversity is no less than a specified threshold Δ, where we consider two types of diversities of a set X of strings of equal length: the Sum diversity and the Min diversity defined as the sum and the minimum of the pairwise Hamming distance between any two strings in X, respectively. We analyze the computational complexity of the respective problems with Sum- and Min-diversity measures, called the Max-Sum and Max-Min Diverse LCSs, respectively, considering both approximation algorithms and parameterized complexity. Our results are summarized as follows. When K is bounded, both problems are polynomial time solvable. In contrast, when K is unbounded, both problems become NP-hard, while Max-Sum Diverse LCSs problem admits a PTAS. Furthermore, we analyze the parameterized complexity of both problems with combinations of parameters K and r, where r is the length of the candidate strings to be selected. Importantly, all positive results above are proven in a more general setting, where an input is an edge-labeled directed acyclic graph (DAG) that succinctly represents a set of strings of the same length. Negative results are proven in the setting where an input is explicitly given as a set of strings. The latter results are equipped with an encoding such a set as the longest common subsequences of a specific input string set.

연구 동기 및 목표

• 해밍 거리 기반에서 다각도 장기공통부분수열(LCS) 집합을 찾는 문제의 계산 복잡도를 체계화하고 분석하는 것.
• K(공통부분수열 후보 수) 및 r(후보 문자열 길이)를 매개변수로 삼아 최대합 및 최소-최대 다각도 LCS 문제의 매개변수 복잡도를 조사하는 것.
• DAG 기반 표현 및 명시적 문자열 입력 모두에서 다각도 LCS 문제에 대한 근사 및 정확 알고리즘을 수립하는 것.
• K가 무한일 경우 최대합 다각도 LCS 문제에 다항시간 근사계량기법(PTAS)이 존재함을 증명하는 것.
• 최대-최소 다각도 문자열 집합 문제로부터의 감소를 통해 K가 무한일 경우 두 문제 모두가 NP-난해임을 보여주는 것.

제안 방법

• 같은 길이의 문자열 집합에 대해 총 상호 해밍 거리의 합(합 다각도)과 최소 상호 해밍 거리(최소 다각도)를 측정하는 두 가지 다각도 측정법을 체계화한다.
• 지름이 큰 문자열 후보 수를 압축 표현할 수 있도록, 간선에 레이블이 부여된 방향성 비순환그래프(DAG)를 사용해 입력 문자열을 표현한다.
• 레이블이 부여된 DAG에서 이분 그래프 매칭을 사용해 공통부분수열을 모델링하며, 교차하지 않는 매칭이 유효한 LCS에 대응한다.
• 최대-최소 다각도 문자열 집합 문제로부터 최대-최소 다각도 LCS 문제로의 FPT 감소 기법을 적용해 NP-난해성을 입증한다.
• DAG 내 LCS의 구조적 성질과 부분그래프 기반 동적 프로그래밍을 활용해 최대합 다각도 LCS 문제에 대해 PTAS를 구성한다.
• 핵심 변환 기법: 각 문자열 X_i를 고정 길이의 접두사 및 접미사를 갖는 확장 문자열 T_j = P_j · X_j · Q_j로 매핑하여 해밍 거리를 유지하고 증폭시킨다.

실험 결과

연구 질문

• RQ1 K와 r를 매개변수로 삼을 때 최대합 다각도 LCS 문제의 고정매개변수 다항시간 복잡도(FPT)가 성립하는가?
• RQ2 K가 유계일 경우와 무한일 경우 최소-최대 다각도 LCS 문제의 계산 복잡도는 어떻게 되는가?
• RQ3 최대합 다각도 LCS 문제는 어떤 상수 요인 내에서 근사 가능하며, PTAS를 갖는가?
• RQ4 LCS 선택의 맥락에서 해밍 거리 기반의 다각도 측정법(합 및 최소)은 어떻게 행동하는가?
• RQ5 최대-최소 다각도 문자열 집합 문제에서 최대-최소 다각도 LCS 문제로의 감소가 해결의 다각도를 유지하는가?

주요 결과

• K가 유계일 경우 최대합 및 최소-최대 다각도 LCS 문제 모두 다항시간 내에 해결 가능하다.
• K가 무한일 경우 두 문제 모두 NP-난해이며, 입력이 명시적 문자열 집합으로 주어져도 마찬가지로 NP-난해이다.
• 최대합 다각도 LCS 문제에 다항시간 근사계량기법(PTAS)이 존재한다. 즉, 임의의 (1−ε) 요인 내에서 다항시간에 근사가 가능하다.
• 최소-최대 다각도 LCS 문제는 두 개의 입력 문자열로 제한된 경우에도 NP-난해하다. 이는 최대-최소 다각도 문자열 집합 문제로부터의 감소를 통해 입증된다.
• 핵심 변환: 각 문자열 X_i를 길이 r + 2s인 확장 문자열 T_j = P_j · X_j · Q_j로 매핑하며, dH(T_i, T_j) = dH(X_i, X_j) + 2s를 만족시켜 다각도를 유지하고 증폭시킨다.
• 최대-최소 다각도 문자열 집합 문제에서 최대-최소 다각도 LCS 문제로의 감소는 NP-감소이자 FPT-감소이므로, LCS 변형의 난이도를 입증한다.