[论文解读] Faster and simpler algorithms for finding large patterns in permutations

László Kozma|arXiv (Cornell University)|Feb 23, 2019

Algorithms and Data Compression参考文献 29被引用 4

一句话总结

本文提出了求解排列模式匹配（PPM）问题的两种新算法，时间复杂度得到改进：一种为 $ n^{0.44k + o(k)} $ 时间复杂度的算法，另一种为时间复杂度为 $ O(1.6181^n) $ 的更简单算法，且空间复杂度为多项式。其关键创新在于提出了一种新颖的动态规划策略，优先匹配模式中偶数值的元素，再按从左到右的顺序贪心地匹配奇数值元素，显著简化了先前的方法，同时在大模式下实现了更优的渐近时间性能。

ABSTRACT

Permutation patterns and pattern avoidance have been intensively studied in combinatorics and computer science, going back at least to the seminal work of Knuth on stack-sorting (1968). Perhaps the most natural algorithmic question in this area is deciding whether a given permutation of length $n$ contains a given pattern of length $k$. In this work we give two new algorithms for this well-studied problem, one whose running time is $n^{0.44k+o(k)}$, and one whose running time is the better of $O(1.6181^n)$ and $n^{k/2+o(k)}$. These results improve the earlier best bounds of Ahal and Rabinovich (2000), and Bruner and Lackner (2012), and are the fastest algorithms for the problem when $k = Ω(\log n)$. When $k = o(\log n)$, the parameterized algorithm of Guillemot and Marx (2013) dominates. Our second algorithm uses polynomial space and is significantly simpler than all previous approaches with comparable running times, including an $n^{k/2+o(k)}$ algorithm proposed by Guillemot and Marx. Our approach can be summarized as follows: "for every matching of the even-valued entries of the pattern, try to match all odd-valued entries left-to-right". For the special case of patterns that are Jordan-permutations, we show an improved, subexponential running time.

研究动机与目标

• 针对模式长度 $ k $ 为 $ \theta(\log n) $ 或更大的大模式，改进排列模式匹配（PPM）问题的时间复杂度。
• 设计一种确定性、更简单的算法，其运行时间与先前方法相当或更优，尤其避免复杂的概率分析。
• 探索排列关联图的结构特性，特别是路径宽（pathwidth），以推导出更紧的算法复杂度界限。
• 提出一种新的、透明的分析框架，简化以往依赖随机游走论证或复杂动态规划状态管理的方法。

提出的方法

• 提出一种新的动态规划策略，优先处理模式中偶数值元素，利用将模式划分为偶数和奇数部分的特性。
• 对于每个有效的偶数值匹配，尝试通过从左到右的顺序匹配奇数值元素来扩展，确保与模式的顺序一致性。
• 采用全局优化策略选择模式元素的匹配顺序，以最小化动态规划过程中必须跟踪的状态边界大小。
• 利用排列关联图的结构特性，特别是路径宽，来限制动态规划表中的状态数量。
• 构造一类排列 $ \pi(a,b) $，它们避免模式 $ (4,3,1,2) $，但其关联图包含 $ \Theta(a) \times \Theta(b) $ 的网格子式，表明路径宽不能仅由闭包于子式的参数来界定。
• 使用改进的状态空间压缩技术分析算法性能，表明只需考虑子指数数量的部分匹配。

实验结果

研究问题

• RQ1 能否在大模式下，将排列模式匹配的运行时间改进至超越 Ahal 和 Rabinovich 提出的 $ n^{0.47k + o(k)} $ 边界？
• RQ2 是否可以设计一种更简单、确定性的 PPM 算法，其渐近性能与现有方法相当或更优？
• RQ3 排列关联图的路径宽与 PPM 复杂度之间存在何种关系，特别是在与禁止子式的关系方面？
• RQ4 排列关联图的路径宽能否由结构参数（如子式包含性或网格大小）来界定？

主要发现

• 本文提出一种新算法——算法 M，可在 $ n^{0.44k + o(k)} $ 时间内解决 PPM 问题，优于先前的最佳时间界限 $ n^{0.47k + o(k)} $。
• 第二种算法实现了 $ O(1.6181^n) $ 的时间复杂度，且空间复杂度为多项式，显著简化了先前的方法，同时保持了具有竞争力的运行时间。
• 新方法通过基于偶-奇划分的确定性全局匹配策略，避免了复杂的概率分析，从而实现了更透明、更易验证的证明。
• 本文构造了一类避免固定模式但其关联图包含 $ \Theta(a) \times \Theta(b) $ 网格子式的排列，表明路径宽不能仅由闭包于子式的参数来界定。
• 对于 Jordan-排列，本文实现了亚指数时间复杂度，表明在特殊情况下仍存在进一步优化的潜力。
• 分析表明，关联图的路径宽与子式包含性之间并无紧密相关性，挑战了关于 PPM 中结构参数化假设的普遍认知。