[论文解读] On Dynamic Range Reporting in One Dimension

Christian Worm Mortensen, Rasmus Pagh+1 more|ArXiv.org|Feb 5, 2005

Algorithms and Data Compression参考文献 11被引用 39

一句话总结

本文提出了一种一维范围报告的动态数据结构，其在 w 位字长的字 RAM 上实现了 O(lg w) 的更新时间与 O(lg lg w) 的查询时间，显著优于前驱查找的界限。该解决方案采用了一种新颖的递归方案——其威力超过 van Emde Boas 递归——应用于二叉字典树中的每条路径，从而实现指数级更快的查询，同时通过一种新型的动态完美哈希方案实现次线性空间使用，保持了最优的 O(n) 空间复杂度。

ABSTRACT

We consider the problem of maintaining a dynamic set of integers and answering queries of the form: report a point (equivalently, all points) in a given interval. Range searching is a natural and fundamental variant of integer search, and can be solved using predecessor search. However, for a RAM with w-bit words, we show how to perform updates in O(lg w) time and answer queries in O(lglg w) time. The update time is identical to the van Emde Boas structure, but the query time is exponentially faster. Existing lower bounds show that achieving our query time for predecessor search requires doubly-exponentially slower updates. We present some arguments supporting the conjecture that our solution is optimal. Our solution is based on a new and interesting recursion idea which is "more extreme" that the van Emde Boas recursion. Whereas van Emde Boas uses a simple recursion (repeated halving) on each path in a trie, we use a nontrivial, van Emde Boas-like recursion on every such path. Despite this, our algorithm is quite clean when seen from the right angle. To achieve linear space for our data structure, we solve a problem which is of independent interest. We develop the first scheme for dynamic perfect hashing requiring sublinear space. This gives a dynamic Bloomier filter (an approximate storage scheme for sparse vectors) which uses low space. We strengthen previous lower bounds to show that these results are optimal.

研究动机与目标

• 设计一种用于一维范围报告的动态数据结构，其查询时间显著快于前驱查找结构。
• 克服前驱查找中更新与查询时间之间的固有权衡，即更快的查询需要双重指数级的更新时间。
• 在动态范围报告中实现最优的 O(n) 空间使用，而此前尚未在如此快的查询时间下实现过。
• 开发一种使用次线性空间的新型动态完美哈希方案，解决稀疏向量表示中的关键问题。
• 通过针对大于函数及相关问题的新下界证明，证明所提方案的最优性。

提出的方法

• 核心技术在于对二叉字典树中每条根到叶的路径应用非平凡的、类似 van Emde Boas 的递归，而非简单的二分法，以实现更快的查询解析。
• 该方法将此递归应用于大于函数的位探测复杂度，随后通过在字典树的所有路径上应用该方法，将其推广至动态范围报告。
• 引入一种新型动态完美哈希方案，其使用次线性空间，可高效存储稀疏向量，并支持 Bloorier 滤波器问题。
• 该数据结构维护一个具有多级递归的层次化字典树，其中每一级使用 Bloomier 滤波器来追踪分支祖先，从而实现快速导航。
• 查询过程涉及对一系列递归结构进行二分查找，同时在每一级检查祖先指针的正确性，确保即使 Bloomier 滤波器对无效节点返回任意结果，也能保证正确性。
• 通过使用花环引理和 Fredman 的证明技术推导出下界，表明任何具有次优查询时间的解法，其更新时间必须呈指数级变慢。

实验结果

研究问题

• RQ1 是否可以在保持高效更新时间的同时，使一维范围报告的查询时间显著快于前驱查找？
• RQ2 在字 RAM 模型中，是否可能实现 O(lg lg w) 查询时间与 O(lg w) 更新时间，尽管前驱查找存在已知下界？
• RQ3 能否构建一种使用次线性空间的动态完美哈希方案，同时在非空键上支持正确操作？
• RQ4 动态一维范围报告中，更新与查询时间之间的最优权衡是什么？
• RQ5 针对大于函数与范围报告问题的所提界限是否紧致？能否通过信息论下界证明其最优性？

主要发现

• 本文实现了动态范围报告的 O(lg w) 更新时间与 O(lg lg w) 查询时间，相较于相同更新时间下的前驱查找，其查询速度呈指数级提升。
• 所提方案使用一种新颖的递归方案，其威力超过 van Emde Boas 递归，可在字典树的所有路径上实现更快的查询解析。
• 开发了一种新型动态完美哈希方案，使用次线性空间，解决了 Bloorier 滤波器问题中空间高效稀疏向量存储的关键难题。
• 该数据结构使用 O(n) 个字的空间，实现了动态范围报告的最优空间使用。
• 通过证明下界表明，任何具有 O(lg lg w) 查询时间的解法，其更新时间至少为 Ω(2^{w^{1-ε}})（针对前驱查找），从而确认了本工作所采用权衡的最优性。
• 通过结合花环引理与 Fredman 的证明技术，证明了结果的最优性，为大于函数及相关问题建立了紧致界限。