[论文解读] List Factoring and Relative Worst Order Analysis

Martin R. Ehmsen, Jens S. Kohrt+1 more|arXiv (Cornell University)|Sep 29, 2010

Optimization and Search Problems参考文献 23被引用 4

一句话总结

本文引入列表分解作为相对最坏顺序分析（RWOA）的一种新型证明技术，将其应用于静态列表访问问题，以解决竞争分析与实验结果之间的不一致。结果表明，在RWOA下，Move-To-Front、Time-Stamp和Frequency-Count表现相同——与竞争分析的结论相反——而Transpose则显著更差，这与实验观察一致，确立了列表分解作为RWOA中强大工具的地位。

ABSTRACT

Relative worst order analysis is a supplement or alternative to competitive analysis which has been shown to give results more in accordance with observed behavior of online algorithms for a range of different online problems. The contribution of this paper is twofold. First, it adds the static list accessing problem to the collection of online problems where relative worst order analysis gives better results. Second, and maybe more interesting, it adds the non-trivial supplementary proof technique of list factoring to the theoretical toolbox for relative worst order analysis.

研究动机与目标

• 为解决竞争分析认为Move-To-Front最优，而实验结果却显示Frequency-Count和Transpose表现相似且优于预期之间的不一致。
• 将相对最坏顺序分析（RWOA）框架扩展至静态列表访问问题，使其结果更符合实际行为。
• 提出并验证列表分解作为RWOA的一种新型非平凡证明技术，实现对算法的更细致比较。
• 在RWOA下比较随机化算法BIT与Randomized-Move-To-Front，表明二者不可比，尽管竞争分析更青睐BIT。
• 证明RWOA能够为在线算法提供比竞争分析更细致、更真实的性能评估。

提出的方法

• 首次将竞争分析中的列表分解技术适配至相对最坏顺序分析框架。
• 采用基于阶段的分析方法，比较不同算法在最坏排列请求序列下的表现。
• 应用最坏顺序投影和成对性质，建模算法在不同请求模式下的行为。
• 采用成本分析，结合部分成本模型与完整成本模型，评估RWOA下的性能表现。
• 构造特定请求序列（如⟨b, a^m⟩的重复）以测试最坏情况行为并比较算法。
• 利用渐近成本界和不等式，证明在最坏排列下RMTF的成本严格低于BIT，从而证明二者不可比。

实验结果

研究问题

• RQ1 列表分解能否成功适配至相对最坏顺序分析，以改进在线问题中的算法比较？
• RQ2 为何竞争分析无法反映列表访问中的实验结果？RWOA能否解决这一问题？
• RQ3 在RWOA下，Move-To-Front、Frequency-Count和Time-Stamp是否表现相同，尽管它们的竞争比不同？
• RQ4 在RWOA下，Randomized-Move-To-Front与BIT是否可比？还是如结果所示，二者不可比？
• RQ5 列表分解技术能否超越竞争分析与RWOA，推广至其他性能度量方法？

主要发现

• 列表分解成功扩展至相对最坏顺序分析，这是该技术在该框架中的首次应用。
• 在RWOA下，Move-To-Front、Time-Stamp和Frequency-Count均表现相同，解决了与竞争分析的矛盾。
• 在RWOA下，Transpose被证明显著劣于其余三种算法，与实验发现一致。
• 在RWOA下，Randomized-Move-To-Front与BIT不可比，尽管在竞争分析中BIT为7/4-competitive，而RMTF为2-competitive。
• RMTF的最坏情况请求序列通过重复模式如⟨b, a^m⟩构造，其成本在最坏排列下被严格证明低于BIT。