[论文解读] Multi-Finger Binary Search Trees

Goyal, Navin, Manoj Gupta|arXiv (Cornell University)|Feb 22, 2011

Optimization and Search Problems参考文献 2被引用 4

一句话总结

本文通过二叉搜索树（BST）问题的几何视角，对贪心算法 GreedyArb 进行了新颖分析，证明其具有 O(log n) 的竞争比。通过建模处理过程中的点插入，并对隐藏/暴露点的状态转换进行有界分析，作者证明了所添加的辅助点总数为 O(n log n)，从而朝着解决 BST 领域长期存在的 O(1) 竞争比开放问题迈出重要一步。

ABSTRACT

Does there exist O(1)-competitive (self-adjusting) binary search tree (BST) algorithms? This is a well-studied problem. A simple offline BST algorithm GreedyFuture was proposed independently by Lucas and Munro, and they conjectured it to be O(1)-competitive. Recently, Demaine et al. gave a geometric view of the BST problem. This view allowed them to give an online algorithm GreedyArb with the same cost as GreedyFuture. However, no o(n)-competitive ratio was known for GreedyArb. In this paper we make progress towards proving O(1)-competitive ratio for GreedyArb by showing that it is O(\log n)-competitive.

研究动机与目标

• 在几何模型中建立 GreedyArb 在线 BST 算法的竞争比界限。
• 分析 GreedyArb 在请求序列处理过程中添加的辅助点数量。
• 为证明动态最优性猜想（即存在 O(1) 竞争比的 BST 算法）提供一步推进。
• 形式化并有界地分析几何模型中点的状态转换（从隐藏到暴露）次数。

提出的方法

• 使用几何表示方法建模 BST 问题，其中每个搜索请求表示为平面上的点（键，时间）。
• 定义了树形满足的点集，并将 ArbSS 问题表述为寻找最小大小的辅助点集合，以满足由查询对形成的全部矩形。
• 应用 GreedyArb 算法：按时间递增顺序处理每个点，在其水平线上添加最少数量的点，以满足所有与之前点构成的未满足矩形。
• 引入“暴露”和“隐藏”点的概念，以追踪哪些点可能触发新的辅助点插入。
• 通过区域划分（P 和 Q）并利用极值点分析与父子关系，对每个区域内添加的辅助点数量进行有界。
• 采用递推论证：TX[j...j+2k−1] = TX[j...j+k−1] + TX[j+k...j+2k−1] + O(k)，从而得出总点数为 O(n log n)。

实验结果

研究问题

• RQ1 GreedyArb 算法能否在 BST 的几何模型中被证明为 O(log n)-竞争？
• RQ2 在处理 n 个请求的序列时，GreedyArb 最多可添加多少个辅助点？
• RQ3 几何模型中点的状态转换（从隐藏到暴露）如何影响算法的总代价？
• RQ4 能否利用极值点分析与父子关系，对区域内添加点的数量进行有界？
• RQ5 递推结构 TX[j...j+2k−1] = TX[j...j+k−1] + TX[j+k...j+2k−1] + O(k) 是否导致总代价为 O(n log n)？

主要发现

• 证明了 GreedyArb 算法为 O(log n)-竞争，是迈向 O(1)-竞争比的重要进展。
• GreedyArb 添加的辅助点总数被有界为 O(n log n)，这表明其具有 O(log n) 的竞争比。
• 集合 P 中的点在隐藏与暴露之间转换状态的次数最多为 5k，其中 k 是 P 中的点数。
• P 中的每个点最多可暴露 P 中的两个其他点，且只有 P 中的点才能暴露 P 中的点。
• 所有 p ∈ Q 的辅助点集合 MP_p 的大小之和至多为 7k，这对递推关系的有界性至关重要。
• 递推式 TX[j...j+2k−1] = TX[j...j+k−1] + TX[j+k...j+2k−1] + O(k) 导致总代价为 O(n log n)，从而确认了 O(log n) 的竞争比。