[论文解读] Predecessor search with distance-sensitive query time

Djamal Belazzougui, Paolo Boldi+1 more|arXiv (Cornell University)|Sep 24, 2012

Algorithms and Data Compression参考文献 11被引用 4

一句话总结

该论文提出了一种新颖的前驱查找数据结构，其查询时间呈次线性，且依赖于距离度量——具体而言，依赖于与前驱/后继的距离、集合中的全局间距，或与给定的指针元素的接近程度。仅使用 O(n log w) 额外位数，该方法在各种距离敏感场景下将查询时间指数级降低，一般情况下达到 O(log min{log d(x,S), w − log D(x,S)}) 的时间复杂度，使用指针时达到 O(log(log |x−y| − log D(x,S)))，显著优于以往方法。

ABSTRACT

A predecessor (successor) search finds the largest element $x^-$ smaller than the input string $x$ (the smallest element $x^+$ larger than or equal to $x$, respectively) out of a given set $S$; in this paper, we consider the static case (i.e., $S$ is fixed and does not change over time) and assume that the $n$ elements of $S$ are available for inspection. We present a number of algorithms that, with a small additional index (usually of O(n log w) bits, where $w$ is the string length), can answer predecessor/successor queries quickly and with time bounds that depend on different kinds of distance, improving significantly several results that appeared in the recent literature. Intuitively, our first result has a running time that depends on the distance between $x$ and $x^\pm$: it is especially efficient when the input $x$ is either very close to or very far from $x^-$ or $x^+$; our second result depends on some global notion of distance in the set $S$, and is fast when the elements of $S$ are more or less equally spaced in the universe; finally, for our third result we rely on a finger (i.e., an element of $S$) to improve upon the first one; its running time depends on the distance between the input and the finger.

研究动机与目标

• 设计一种静态前驱查找数据结构，支持次线性空间，并使查询时间适应输入结构和集合 S 的特性。
• 在文献现有界限的基础上进行改进，使查询时间依赖于 d(x,S)、D(x,S)，或针对指针 y 的 |x−y| 等距离度量。
• 在仅使用 O(n log w) 额外位数的空间下，实现最优或近似最优的查询时间，从而实现实际效率。
• 统一并扩展诸如胖二分查找和 z-fast tries 等技术，以支持距离敏感的查询加速。

提出的方法

• 在 z-fast tries 中使用改进的胖二分查找版本，使初始搜索区间可基于距离条件指定。
• 引入一种距离敏感的搜索策略，利用查询串与 S 中元素的最长公共前缀长度来加速查找。
• 使用弱前缀查找预言机，快速定位范围和前缀，从而实现对 S 的关键结构组件的常数时间访问。
• 使用集合中的指针 y ∈ S 引导搜索，确保剩余搜索空间被限制在 log|x−y| 以内，从而加速远距离查询。
• 结合多种策略：一种基于与前驱/后继的接近程度（d(x,S)），另一种基于全局间距（ΔM/Δm），第三种使用指针来改进第一种策略。
• 采用递归框架，根据范围和前缀信息动态调整搜索区间，确保在距离约束下保持对数时间复杂度。

实验结果

研究问题

• RQ1 当查询串 x 接近集合 S 中的前驱或后继时，能否更快地回答前驱查询？若能，查询时间最多可减少多少？
• RQ2 能否基于 S 中元素的全局间距改进查询时间，特别是当元素分布均匀时？
• RQ3 当 x 远离 x⁻ 或 x⁺ 时，使用指针 y ∈ S 是否能显著减少查询时间？与现有基于指针的方法相比如何？
• RQ4 是否可能在仅使用次线性空间开销的同时，仍支持距离敏感的查询时间优化？
• RQ5 能否将多种距离敏感策略组合，形成单一算法，在所有距离范围内均表现良好？

主要发现

• 该论文仅使用 O(n log w) 额外位数，即实现 O(log min{log d(x,S), w − log D(x,S)}) 的查询时间，相比先前工作实现指数级改进。
• 对于全局间距分布的集合，该方法实现 O(log log(ΔM/Δm)) 的查询时间，使用 O(n log w) 空间，显著优于插值查找和区间偏置树。
• 使用指针 y ∈ S 时，查询时间提升至 O(log(log|x−y| − log D(x,S)))，相比区间偏置搜索树实现指数级加速。
• 该方法使用弱前缀查找预言机，实现对左/右索引和范围等结构组件的常数时间访问，这对性能至关重要。
• 该框架具有通用性和可组合性：将短距离与长距离策略结合，可生成一个单一算法，能同时适应接近性和稀疏性。
• 通过在 z-fast tries 中使用改进的胖二分查找，初始区间根据距离条件选择，证实其作为构建模块的多功能性。