[论文解读] Bounds on the Number of Longest Common Subsequences

Ronald I. Greenberg|ArXiv.org|Jan 28, 2003

Algorithms and Data Compression参考文献 22被引用 9

一句话总结

本文建立了两个序列中不同最长公共子序列（LCS）及其LCS嵌入数量的紧致渐近界，表明生成这些输出的高效算法在输出大小成比例的时间内运行，显著优于朴素回溯方法。关键结果是，朴素算法的最坏情况开销可能高达 Θ(4ⁿ/√n)（当输入长度相等时），凸显了优化枚举技术的必要性。

ABSTRACT

This paper performs the analysis necessary to bound the running time of known, efficient algorithms for generating all longest common subsequences. That is, we bound the running time as a function of input size for algorithms with time essentially proportional to the output size. This paper considers both the case of computing all distinct LCSs and the case of computing all LCS embeddings. Also included is an analysis of how much better the efficient algorithms are than the standard method of generating LCS embeddings. A full analysis is carried out with running times measured as a function of the total number of input characters, and much of the analysis is also provided for cases in which the two input sequences are of the same specified length or of two independently specified lengths.

研究动机与目标

• 量化生成所有不同最长公共子序列（LCS）的最坏情况时间复杂度，作为输入规模的函数。
• 界定在朴素枚举策略下，LCS嵌入（含重复项）的最大数量。
• 比较高效输出敏感算法与可能生成重复嵌入的朴素回溯方法的效率。
• 为在LCS枚举任务中使用优化算法而非朴素方法提供理论依据。

提出的方法

• 基于长度模3的交替字符模式，推导出不同LCS数量的下界。
• 利用交叉引理证明：不同初始字符在不同LCS中的嵌入必须交叉，从而实现输出大小的递归界定。
• 通过对输入序列总长度进行归纳，建立不同LCS数量的上界 D(t) ≤ 4^(t/5)。
• 引入归一化时间分析，通过动态规划回溯将LCS嵌入数量与二项式系数关联，从而实现界约束。
• 通过比较朴素回溯的运行时间与真实输出大小，分析其最坏情况开销，使用组合恒等式与渐近近似。
• 采用恒等式 C(n+m, m) 表达朴素枚举的最坏情况时间复杂度，进而以中心二项式系数形式得出界。

实验结果

研究问题

• RQ1 对于总长度为 t 的两个序列，可能存在的不同LCS的最大数量是多少？
• RQ2 朴素回溯算法可能生成的LCS嵌入（含重复项）的最大数量是多少？
• RQ3 与输出敏感算法相比，朴素LCS嵌入枚举的最坏情况时间复杂度差多少？
• RQ4 对于长度相等的序列，朴素方法相对于真实输出大小的渐近开销是多少？
• RQ5 能否使用组合结构（如二项式系数）来界定朴素LCS枚举的最坏情况性能？

主要发现

• 对于总长度为 t 的两个序列，不同LCS的最大数量上界为 4^(t/5) < 1.32^t，下界为 3^(t/6)（当 t 被6整除时）。
• 朴素回溯生成的LCS嵌入（含重复项）数量可能高达 Θ(4ⁿ/√n)（当两个序列长度均为 n 时），而真实输出大小在某些最坏情况下为 O(1)。
• 对于总长度为 t 的序列，朴素枚举的最坏情况开销为 Θ(2^t / √t)，随 t 呈指数增长。
• 交叉引理证明：不同LCS中不同初始字符的嵌入必须交叉，从而支持输出大小的递归分解与界定。
• 能在输出大小成比例时间内生成所有不同LCS或所有嵌入的高效算法，在渐近意义上优于朴素方法，后者可能将同一嵌入报告指数次。
• 朴素回溯的最坏情况开销为 Θ(C(2n, n)) = Θ(4^n / √n)，这是其低效性的主导因素。