[论文解读] Optimal selection on $X+Y$ simplified with layer-ordered heaps

Oliver Serang|arXiv (Cornell University)|Jan 30, 2020

Algorithms and Data Compression被引用 4

一句话总结

本文提出了一种简化且最优的算法，用于在笛卡尔和 $X+Y$ 上进行选择，使用分层有序堆，其理论时间复杂度与先前最优方法相同，但实现更简单且实际效率显著提升。该方法用更直观、高效的分层有序堆设计替代了复杂的数据结构（如软堆）。

ABSTRACT

Selection on the Cartesian sum, $A+B$, is a classic and important problem. Frederickson's 1993 algorithm produced the first algorithm that made possible an optimal runtime. Kaplan \emph{et al.}'s recent 2018 paper descibed an alternative optimal algorithm by using Chazelle's soft heaps. These extant optimal algorithms are very complex; this complexity can lead to difficulty implementing them and to poor performance in practice. Here, a new optimal algorithm is presented, which uses layer-ordered heaps. This new algorithm is both simple to implement and practically efficient.

研究动机与目标

• 为长期存在的高效求解笛卡尔和 $X+Y$ 上的选择问题的挑战提供解决方案。
• 简化依赖复杂数据结构（如软堆或复杂优先队列）的现有最优算法。
• 提出一种新算法，在保持最优时间复杂度的同时，实现显著更简单的实现和更高的实际效率。
• 证明分层有序堆可替代复杂结构，用于 $X+Y$ 选择的最优算法中。

提出的方法

• 该算法使用分层有序堆，在选择过程中以结构化、分层的方式维护并提取元素。
• 通过根据元素值将元素组织成不同层级，分层有序堆被用于高效管理 $X+Y$ 中候选和的集合。
• 该方法通过利用分层有序堆的结构特性，逐步识别第 $k$ 小的和，实现选择过程。
• 避免使用软堆等高级数据结构，转而依赖更简单、更利于缓存的堆操作。
• 算法维护一个候选和的最小堆，其中每个元素都关联一个反映其在和集合中相对顺序的层级。
• 选择过程通过从堆中提取最小元素，并以保持层级顺序并确保正确性的方式插入新候选元素来推进。

实验结果

研究问题

• RQ1 是否可以用更简单的数据结构替代用于 $X+Y$ 选择的复杂最优算法？
• RQ2 使用分层有序堆是否既能实现最优时间复杂度，又能提升实际性能？
• RQ3 是否可能在不依赖软堆等高级数据结构的情况下，实现 $X+Y$ 选择的最优时间复杂度？
• RQ4 与先前的最优算法相比，分层有序堆设计在可实现性和效率方面有何改进？

主要发现

• 所提出的算法在 $X+Y$ 上的选择实现了最优时间复杂度，与先前最优方法的理论界限一致。
• 使用分层有序堆使得实现复杂度显著低于基于软堆或复杂优先队列的现有最优算法。
• 由于更好的缓存行为和操作中更小的常数因子，该算法在实际效率方面表现更优。
• 该方法在保持正确性和最优性的同时，消除了对复杂数据结构（如 Chazelle 的软堆）的依赖。