[论文解读] Optimal Dynamic Strings

Paweł Gawrychowski, Adam Karczmarz+3 more|arXiv (Cornell University)|Nov 9, 2015

Algorithms and Data Compression参考文献 42被引用 8

一句话总结

该论文提出了一种用于动态字符串的最优数据结构，支持在高概率下以 O(log n) 最坏情况时间完成每次更新的连接、分割、相等性比较、字典序比较以及最长公共前缀（LCP）查询，且每次查询的最坏情况时间复杂度为 O(1)。该解决方案采用上下文无关的解析树表示法，并结合随机哈希技术，实现了最优时间复杂度，其最优性通过针对更新或查询的匹配 Ω(log n) 摊还时间下界证明。

ABSTRACT

In this paper we study the fundamental problem of maintaining a dynamic collection of strings under the following operations: concat - concatenates two strings, split - splits a string into two at a given position, compare - finds the lexicographical order (less, equal, greater) between two strings, LCP - calculates the longest common prefix of two strings. We present an efficient data structure for this problem, where an update requires only $O(\log n)$ worst-case time with high probability, with $n$ being the total length of all strings in the collection, and a query takes constant worst-case time. On the lower bound side, we prove that even if the only possible query is checking equality of two strings, either updates or queries take amortized $Ω(\log n)$ time; hence our implementation is optimal. Such operations can be used as a basic building block to solve other string problems. We provide two examples. First, we can augment our data structure to provide pattern matching queries that may locate occurrences of a specified pattern $p$ in the strings in our collection in optimal $O(|p|)$ time, at the expense of increasing update time to $O(\log^2 n)$. Second, we show how to maintain a history of an edited text, processing updates in $O(\log t \log \log t)$ time, where $t$ is the number of edits, and how to support pattern matching queries against the whole history in $O(|p| \log t \log \log t)$ time. Finally, we note that our data structure can be applied to test dynamic tree isomorphism and to compare strings generated by dynamic straight-line grammars.

研究动机与目标

• 设计一种高效的动态字符串数据结构，支持连接、分割、相等性测试、字典序比较和 LCP 计算等基本操作。
• 实现 O(log n) 最坏情况更新时间（高概率下）和所有核心操作的 O(1) 最坏情况查询时间。
• 证明任何支持相等性查询或更新的动态字符串数据结构均存在匹配的摊还 Ω(log n) 时间下界，从而证明所提方案的最优性。
• 将该数据结构扩展至支持非持久化和持久化动态字符串集合中的模式匹配，包括历史感知编辑与动态上下文无关文法生成的字符串。

提出的方法

• 该数据结构使用字符串的上下文无关解析树表示，其中每个字符串通过递归压缩函数生成的闭合直线文法中的唯一符号表示。
• 通过预计算的随机位实现随机哈希方案，以唯一标识子串，并支持常数时间的比较与 LCP 查询。
• 采用基于层级的构建方法，通过随机位检查确定每个符号的层级，确保唯一表示并实现高效导航。
• 使用树指针导航压缩的解析树，结合组合工具箱实现高效的指针操作与路径压缩。
• 通过持久化数据结构支持动态更新，维护文法的多个版本，从而支持历史感知操作与跨编辑的模式匹配。
• 为支持模式匹配添加辅助组件：用于短模式的永久字符指针，以及用于长模式的两级索引，其中查询与更新成本分别按 log²n 和 log t log log t 缩放。

实验结果

研究问题

• RQ1 我们能否在 O(log n) 最坏情况更新时间与 O(1) 最坏情况查询时间下，实现连接、分割、相等性、字典序比较与 LCP 等基本动态字符串操作？
• RQ2 是否存在任何动态字符串数据结构中，更新或查询的匹配摊还时间下界为 Ω(log n)？
• RQ3 该数据结构能否扩展以支持非持久化与持久化动态集合中的高效模式匹配，包括编辑历史？
• RQ4 该结构能否用于测试动态树同构性，并比较由动态直线文法生成的字符串？

主要发现

• 所提数据结构在高概率下实现了 O(log n) 最坏情况更新时间与所有核心操作的 O(1) 最坏情况查询时间，与理论下界完全匹配。
• 证明了任何支持相等性查询或更新的动态字符串数据结构均存在匹配的摊还 Ω(log n) 时间下界，从而证明了所提方案的最优性。
• 该结构对短模式的模式匹配查询时间复杂度为 O(|p|)，对长模式为 O(|p| log²n)，更新时间复杂度为 O(log²n)。
• 对于包含 t 次编辑的持久化集合，该结构支持更新时间复杂度为 O(log t log log t)，模式匹配查询时间复杂度为 O(|p| log t log log t)。
• 基于文法的表示确保字符串与文法中符号之间存在双射映射，简化了正确性证明并支持高效导航。
• 该方法可高效支持动态树同构性测试与动态直线文法生成字符串的比较，显著扩展了其适用范围。