[论文解读] Log-Lists and Their Applications to Sorting by Transpositions, Reversals and Block-Interchanges

Irena Rusu|arXiv (Cornell University)|Jul 6, 2015

Genome Rearrangement Algorithms参考文献 18被引用 5

一句话总结

本文引入了 log-lists，一种基于 link-cut trees 的新型数据结构，支持 $O(\log n)$ 时间复杂度的多种列表操作，包括动态排名查询、范围更新（加法、符号翻转）以及范围最小/最大值查询。其主要贡献在于证明了 log-lists 可实现若干基础算法在排序排列时通过转位、逆转和块交换操作的 $O(n\log n)$ 时间复杂度，优于或匹配目前已知的最佳运行时间。

ABSTRACT

Link-cut trees have been introduced by D.D. Sleator and R.E. Tarjan (Journal of Computer and System Sciences, 1983) with the aim of efficiently maintaining a forest of vertex-disjoint dynamic rooted trees under cut and link operations. These operations respectively disconnect a subtree from a tree, and join two trees by an edge. Additionally, link-cut trees allow to change the root of a tree and to perform a number of updates and queries on cost values defined on the arcs of the trees. All these operations are performed in $O(\\log\\, n)$ amortized or worst-case time, depending on the implementation, where $n$ is the total size of the forest. In this paper, we show that a list of elements implemented using link-cut trees (we call it a $\\log$-list) allows us to obtain a common running time of $O(\\log\\, n)$ for the classical operations on lists, but also for some other essential operations that usually take linear time on lists. Such operations require to find the minimum/maximum element in a sublist defined by its endpoints, the position of a given element in the list or the element placed at a given position in the list; or they require to add a value $a$, or to multiply by $-1$, all the elements in a sublist. Furthermore, we use $\\log$-lists to implement several existing algorithms for sorting permutations by transpositions and/or reversals and/or block-interchanges, and obtain $O(n\\,\\log\\, n)$ running time for all of them. In this way, the running time of several algorithms is improved, whereas in other cases our algorithms perform as well as the best existing implementations.

研究动机与目标

• 为解决经典数据结构在支持有序列表上的子线性时间操作（尤其是范围查询和批量更新）方面的低效问题。
• 克服双向链表在按位置高效访问元素方面的局限性，以及二叉搜索树在原生支持动态列表排名方面的不足。
• 设计一种统一的数据结构，高效支持经典列表操作与高级聚合操作（如范围加法和符号翻转）的结合。
• 通过优化已知的基于转位、逆转和块交换排序排列的算法，展示该数据结构的实际影响。
• 证明 log-lists 可替代更专用的数据结构（如排列树），同时达到相同的渐近效率。

提出的方法

• 利用 link-cut trees 作为底层动态树结构，维护表示列表的有根树森林，支持高效的剪枝和连接操作。
• 通过扩展 link-cut trees，增加维护和更新路径上排名信息与聚合值（如最小值、最大值、总和）的操作。
• 使用 link-cut trees 的动态树操作实现列表操作（如插入、删除、反转、查找元素/查找排名），确保 $O(\log n)$ 指均摊时间复杂度。
• 通过在树节点中维护辅助信息并高效传播更新，支持基于范围的操作（如将值加到子列表中所有元素上、翻转符号）。
• 使用 log-lists 替换现有基于转位和块交换排序算法中的排列树，从而实现 $O(n\log n)$ 的总运行时间。
• 通过扩展 link-cut trees 的理论基础并引入新的增强技术，证明 log-lists 上所有提出操作的运行时间均为 $O(\log n)$。

实验结果

研究问题

• RQ1 能否设计一种数据结构，支持经典列表操作与复杂聚合操作（如范围最小值查询、范围更新和基于排名的访问）在 $O(\log n)$ 时间内完成？
• RQ2 link-cut trees 在多大程度上可被扩展以支持动态列表排名和元素值的高效范围查询？
• RQ3 log-lists 是否可用于改进基于转位、逆转和块交换排序排列的现有算法的渐近运行时间？
• RQ4 在哪些情况下，log-lists 相较于现有数据结构（如排列树或双向链表）提供了严格性能提升？
• RQ5 对于依赖排列图表示而非直接列表操作的算法，使用 log-lists 是否存在根本性限制？

主要发现

• log-lists 使用带有自定义增强的 link-cut trees，可在 $O(\log n)$ 时间内支持所有经典列表操作——插入、删除、反转、查找元素、查找排名。
• 该数据结构支持高效的范围操作：将值加到子列表中所有元素上、翻转符号、在子列表中查找最小/最大值，所有操作均在 $O(\log n)$ 时间内完成。
• 使用 log-lists 后，基于转位排序的 1.5-近似算法的运行时间从 $O(n^{3/2}\sqrt{\log n})$ 降低至 $O(n\log n)$。
• 类似地，基于块交换排序的精确算法以及基于转位排序的 1.375-近似算法，均通过 log-lists 实现了 $O(n\log n)$ 时间复杂度的优化。
• log-lists 在这些算法中成功替代了排列树，以更通用且可重用的数据结构实现了相同的渐近效率。
• 对于基于排列图表示的算法，log-lists 并未提供直接加速，因为性能瓶颈在于图遍历而非列表操作。