[论文解读] A New Algorithm for Updating and Querying Sub-arrays of Multidimensional Arrays

Pushkar Mishra|arXiv (Cornell University)|Nov 24, 2013

Data Management and Algorithms参考文献 8被引用 7

一句话总结

本文提出了一种新颖的算法，利用二叉索引树（BITs）和容斥原理，高效地处理多维数组上的范围更新与范围查询操作。该算法在 d 个维度下每项操作的时间复杂度为 O(4^d * log^d n)，显著优于基于四叉树/八叉树方法的 Ω(n^{d-1}) 时间复杂度，同时保持了相同的空间复杂度。

ABSTRACT

Given a $d$-dimensional array $A$, an update operation adds a given constant $C$ to each element within a continuous sub-array of $A$. A query operation computes the sum of all the elements within a continuous sub-array of $A$. The one-dimensional update and query handling problem has been studied intensively and is usually solved using segment trees with lazy propagation technique. In this paper, we present a new algorithm incorporating Binary Indexed Trees and Inclusion-Exclusion Principle to accomplish the same task. We extend the algorithm to update and query sub-matrices of matrices (two-dimensional array). Finally, we propose a general form of the algorithm for $d$-dimensions which achieves $\mathcal{O}(4^d*\log^{d}n)$ time complexity for both updates and queries. This is an improvement over the previously known algorithms which utilize hierarchical data structures like quadtrees and octrees and have a worst-case time complexity of $Ω(n^{d-1})$ per update/query.

研究动机与目标

• 为解决现有分层数据结构（如四叉树和八叉树）在 d 维数组上进行范围更新与范围查询操作时存在的效率低下问题，这些结构的时间复杂度为 Ω(n^{d-1})。
• 设计一种可扩展的通用算法，高效支持任意维度下的在线范围更新与范围查询操作。
• 在保持最优空间使用的同时，将时间复杂度降低至空间分割结构的 Ω(n^{d-1}) 门槛以下。

提出的方法

• 以二叉索引树（BITs）作为核心数据结构，实现高效的范围操作。
• 应用容斥原理，将多维范围更新建模为多个超矩形的带符号贡献组合。
• 维护 2^d 个 d 维 BITs，用于表示建模更新累积效应的多线性函数的系数。
• 使用广义更新函数，通过将更新区域分解为具有带符号贡献的重叠子区域来应用范围更新。
• 采用查询函数，通过使用多线性函数求值组合所有 2^d 个 BITs 的结果，计算某一点的净和。
• 通过数学归纳法将一维和二维解法推广至 d 维，证明 2^d 个 d 维 BITs 是充分且必要的。

实验结果

研究问题

• RQ1 能否设计一种数据结构，使 d 维数组上的范围更新与范围查询操作时间复杂度低于 Ω(n^{d-1})？
• RQ2 是否可以利用 BITs 和容斥原理，实现 d 维范围操作的高效 O(4^d * log^d n) 时间复杂度？
• RQ3 在实际执行时间方面，所提出的算法与基于四叉树和八叉树的方法相比表现如何？

主要发现

• 所提出的算法在 d 维数组上对更新和查询操作均实现了 O(4^d * log^d n) 的时间复杂度，相较于四叉树和八叉树方法的 Ω(n^{d-1}) 复杂度有显著提升。
• 实验结果表明，随着 n 增大，新算法在 2D 数组上的执行时间比旧的四叉树算法快达 10 倍，在 3D 数组上快达 100 倍。
• 随着数组大小（n）增加，新算法的性能优势愈发明显，尤其是在高维情况下。
• 对于 n=1000 的 2D 数组，新算法需要 10000 条指令，而旧算法需要 10000000 条指令，指令计数实现 1000 倍加速。
• 该算法在维度扩展方面表现出高效可扩展性，新方法的指令计数增长曲线更平缓，而旧方法则呈指数上升。
• 使用 2^d 个 d 维 BITs，每个支持 O(log^d n) 操作，使得整体时间复杂度达到 O(4^d * log^d n)，这是该类问题的最优解。