[论文解读] Encoding 2-D Range Maximum Queries

Mordecai J. Golin, John Iacono+4 more|arXiv (Cornell University)|Sep 13, 2011

Algorithms and Data Compression参考文献 16被引用 13

一句话总结

本文提出了二维范围最大值查询（2D-RMQ）有效熵的紧致界，表明随机矩阵仅需 O(N) 期望比特进行编码，而小行数矩阵（固定 m）则实现了精确的熵界。本文引入了基于微树分解和压缩表示的高效数据结构，支持时间复杂度为 O(k) 的查询，且空间使用接近理论最小值。

ABSTRACT

We consider the \emph{two-dimensional range maximum query (2D-RMQ)} problem: given an array $A$ of ordered values, to pre-process it so that we can find the position of the smallest element in the sub-matrix defined by a (user-specified) range of rows and range of columns. We focus on determining the \emph{effective} entropy of 2D-RMQ, i.e., how many bits are needed to encode $A$ so that 2D-RMQ queries can be answered \emph{without} access to $A$. We give tight upper and lower bounds on the expected effective entropy for the case when $A$ contains independent identically-distributed random values, and new upper and lower bounds for arbitrary $A$, for the case when $A$ contains few rows. The latter results improve upon previous upper and lower bounds by Brodal et al. (ESA 2010). In some cases we also give data structures whose space usage is close to the effective entropy and answer 2D-RMQ queries rapidly.

研究动机与目标

• 确定 2D-RMQ 的有效熵，即编码数组所需的最少比特数，使得最大值查询可在不访问原始数据的情况下完成。
• 改进先前的界，特别是 Brodal 等人针对随机输入和行数较少的矩阵（固定 m）所给出的界。
• 设计空间使用接近有效熵的实际数据结构，以支持高效的查询处理。
• 探讨这些结果对稠密数据结构的影响，以及在压缩后缀数组和 OLAP 多维立方体等应用中的意义。

提出的方法

• 提出将数组分解为块的微树分解，其中每个微树代表在二维数组上构建的笛卡尔树的一个子树。
• 使用位向量 M 编码父子关系与子树结构，从而实现对任意微树在与其大小成线性时间内的重建。
• 利用平衡括号序列及辅助结构（如 FID、rank/select）支持对微树及其组成块的快速导航与识别。
• 通过存储的位向量 M 和辅助结构按需重建微树，确保 k 大小的微树查询时间为 O(k)。
• 结合微树与块边界的压缩表示，使用位向量 B1 和 B2，通过 FID 结构存储，实现 O(n log k / k) 比特的空间复杂度。
• 采用分层分解策略，通过递归比较顶部与底部行的最大值来构建每个微树，确保正确重建树结构。

实验结果

研究问题

• RQ1 对于具有独立同分布均匀值的随机矩阵，2D-RMQ 的有效熵是多少？
• RQ2 对于行数固定且较少的矩阵（m = O(1)），有效熵如何随规模变化？
• RQ3 我们能否设计出空间使用接近有效熵且支持快速 2D-RMQ 查询的数据结构？
• RQ4 新界如何改进 Brodal 等人提出的 Ω(N log m) 下界与 O(N min{m, log n}) 上界？
• RQ5 在 2D-RMQ 的编码模型中，空间使用与查询时间之间存在何种权衡？

主要发现

• 对于具有独立同分布均匀值的随机矩阵，有效熵为 O(N) 期望比特，远低于 Ω(N log m) 的最坏情况界。
• 对于固定 m，本文给出了有效熵的紧致上下界，相较于 Brodal 等人的结果，精确确定了小 m 情况下的常数因子。
• 所提出的结构对任意 k = (log n)^O(1)，空间使用为 5n + O(n log k / k) 比特，接近理论最小值。
• 每个微树的查询时间为 O(k)，且每次查询仅访问 O(1) 个微树，因此总查询时间为 O(k)。
• 该结构支持从压缩位向量中动态重建微树，实现高效的按需访问，而无需存储完整的微树表示。
• 结果表明，实际输入（如 OLAP 多维立方体）的编码空间可显著低于最坏情况界所暗示的值，尤其当 m 较小或数据为随机时。