[论文解读] Online Algorithms for Self-Organizing Sequential Search - A Survey

Rakesh Mohanty, N. S. Narayanaswamy|arXiv (Cornell University)|Sep 1, 2009

Optimization and Search Problems被引用 7

一句话总结

本综述对自组织顺序查找问题（列表更新问题，LUP）的在线算法在理论和实验方面的发展进行了全面且按时间顺序的概述。它分析了确定性和随机化在线算法的竞争力，最优离线解的复杂性，以及包括前瞻、局部性引用及其他LUP扩展在内的变体，为未来的研究方向提供了洞见。

ABSTRACT

The main objective of this survey is to present the important theoretical and experimental results contributed till date in the area of online algorithms for the self organizing sequential search problem, also popularly known as the List Update Problem(LUP) in a chronological way. The survey includes competitiveness results of deterministic and randomized online algorithms and complexity results of optimal off line algorithms for the list update problem. We also present the results associated with list update with look ahead, list update with locality of reference and other variants of the list update problem. We investigate research issues, explore scope of future work associated with each issue so that future researchers can find it useful to work on.

研究动机与目标

• 呈现自组织顺序查找问题在线算法理论与实验结果的时序综合。
• 分析在列表更新问题（LUP）背景下确定性和随机化在线算法的竞争力。
• 考察LUP及其相关变体最优离线算法的计算复杂性。
• 探讨LUP的扩展，包括带前瞻的列表更新和局部性引用，及其算法影响。
• 识别未解决的研究问题，并提出推动该领域发展的未来研究方向。

提出的方法

• 系统性回顾自LUP提出以来至当前状态的在线算法相关已发表文献。
• 按算法类型对结果进行分类：确定性与随机化在线算法，以及最优离线算法。
• 分析竞争力界限与复杂性结果，包括理论性能保证。
• 整合前瞻和局部性引用等变体，评估其算法行为。
• 将实验发现与理论结果相结合，提供对算法性能的平衡视角。
• 通过批判性评估现有工作，识别未解决的研究问题和开放性问题。

实验结果

研究问题

• RQ1 在自组织顺序查找问题的在线算法方面，有哪些关键的理论与实验进展？
• RQ2 在列表更新问题中，确定性与随机化在线算法在竞争力方面如何比较？
• RQ3 列表更新问题最优离线算法的计算复杂性是什么？
• RQ4 引入前瞻或局部性引用如何影响列表更新算法的设计与性能？
• RQ5 在列表更新问题及其变体中，未来研究最具前景的方向是什么？

主要发现

• 本综述建立了自组织顺序查找问题在线算法在理论与实验方面进展的全面时间线。
• 确定性在线算法的竞争力结果已得到充分确立，其相对于最优离线解的性能具有已知的上下界。
• 随机化在线算法相比确定性算法具有更优的竞争力，且具有已知的理论性能保证。
• LUP的最优离线算法计算复杂度较高，某些变体已被证明为NP难。
• 前瞻和局部性引用等变体引入了新的算法挑战与性能权衡。
• 本综述识别出未解决的研究问题，并建议未来工作方向，尤其在扩展LUP模型的算法设计与复杂性分析方面。