arXiv 1506.045592015-06-15cs.DS

保守退化模式匹配的线性算法

Linear Algorithm for Conservative Degenerate Pattern Matching

Maxime Crochemore, Costas S. Iliopoulos, Ritu Kundu, Manal Mohamed, Fatima Vayani

摘要：

在字母表A上的退化符号x * 是A的非空子集，并且这样的符号的序列是退化串。一个简并弦被称为保守弦，如果它的非实心符号的数目的上界是一个固定的正常数k。我们考虑保守退化字符串的匹配问题，并提出了第一个线性时间算法，可以找到，对于给定的退化字符串P * 和T * 的总长度n包含k个非固体符号的总数，P * 在T * 中的出现在O（nk）时间。

英文摘要：

A degenerate symbol x* over an alphabet A is a non-empty subset of A, and a sequence of such symbols is a degenerate string. A degenerate string is said to be conservative if its number of non-solid symbols is upper-bounded by a fixed positive constant k. We consider here the matching problem of conservative degenerate strings and present the first linear-time algorithm that can find, for given degenerate strings P* and T* of total length n containing k non-solid symbols in total, the occurrences of P* in T* in O(nk) time.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于Burrows-Wheeler变换的简并字符串模式匹配

Efficient pattern matching in degenerate strings with the Burrows-Wheeler transform

字母表$Σ$上的退化或不确定字符串是$Σ$的非空子集的序列。给定一个长度为$n$的退化串$t$，本文提出了一种基于Burrows-Wheeler变换的新方法，用于在长度为$Σ$、运行于$O(mn)$时间的$t$中搜索长度为$m$的退化模式.此外，它是一种混合模式匹配技术，适用于常规和退化字符串。一个退化字符串是保守的，如果它的非实心字母的数量是由一个固定的正常数$q$的上限，在这种情况下，我们表明，搜索的复杂性时间是$O(qm^2)$。实验结果表明，我们的方法在实践中表现良好。

2017-08-03cs.DS

弹性退化字符串中的高效模式匹配

Efficient Pattern Matching in Elastic-Degenerate Strings

本文将缺弦的概念推广到弹性退化弦。弹性简并字符串可以被看作是由弹性简并符号交织的k > 1个种子（子字符串/子模式）的有序集合，使得每个弹性简并符号对应于两个或更多个可变长度字符串的集合。本文提出了一种求解（实心）模式和弹性退化文本的模式匹配问题的算法，该算法的时间复杂度为O（N+αγnm），其中m为给定模式的长度，n和N分别为给定弹性退化文本的长度和总大小，m为给定模式的长度，n为给定模式的长度，N为给定模式的长度，m为给定模式的长度，n为给定模式的长度。α和γ是小常数，分别表示文本的任何弹性退化符号中的串的最大数目和弹性退化符号中的最大数目，在文本中出现的任何模式所跨越的退化符号。对于文本中恒定数量的弹性退化符号，该算法所使用的空间在输入的大小上是线性的; α和γ在实际应用中非常小，因此该算法在实践中有望非常有效地工作。

2016-10-25cs.DS

在多项式时间内求解3- SAT和三维匹配

Solving 3-SAT and 3-dimensional matching in polynomial time

我们展示了如何在流网络上实现保守逻辑门，提出了一种方法来解决3SAT和三维匹配问题，在多项式时间使用标准的最小成本流方法。

2014-02-04cs.CCcs.DS

Elastic-Degenerate String Matching with 1 Error

弹性简并弦是一个总长度为$N$的$n$有限弦集合的序列，用来表示一组相关的DNA序列，也称为泛基因组。ED字符串匹配（EDSM）问题在于报告ED文本中长度为$m$的模式的所有出现。这个问题最近受到了组合模式匹配团体的一些关注，最终产生了$\tilde{\mathcal{O}}(nm^{ω-1})+\mathcal{O}(N)$时间算法[Bernardini等人，SIAM J.计算2022]，其中$ω$表示矩阵乘法指数，并且$\tilde{\mathcal{O}}(\cdot)$表示法抑制多对数因子。在$k$ -EDSM问题中，EDSM的近似版本，我们被要求报告所有模式出现最多$k$错误。$k$-EDSM可以在编辑距离下以$\mathcal{O}(k^2mG+kN)$时间求解，或者在汉明距离下以$\mathcal{O}(kmG+kN)$时间求解，其中$G$表示ED文本中的字符串的总数[Bernardini等人，Theor. Comput. Sci. 2020年]。不幸的是，$G$仅受$N$约束，因此即使对于$k=1$，现有算法在最坏情况下也在$Ω(mN)$时间内运行。本文证明了$1$-EDSM在编辑距离下可以在$\mathcal{O}((nm^2 + N)\log m)$或$\mathcal{O}(nm^3 + N)$时间内求解.对于决策版本，我们提出了一个更快的$\mathcal{…

2022-09-02cs.DS

广义退化字符串中的量子模式匹配

Quantum Pattern Matching in Generalised Degenerate Strings

Aalto University（阿尔托大学）；University of Helsinki（赫尔辛基大学）

提出一种量子算法，在广义退化字符串中实现模式匹配，时间复杂度为$\tilde{O}(\sqrt{mnN})$，优于当前最优经典算法。

2026-06-18cs.DSquant-ph

基于快速矩阵乘法的弹性-退化串匹配

Elastic-Degenerate String Matching via Fast Matrix Multiplication

弹性简并（ED）弦是总长度为$N$的弦的$n$集合的序列，其最近被提出来模拟一组相似序列。ED字符串匹配（EDSM）问题是在ED文本中找到长度为$m$的模式的所有出现。用于EDSM的$O(nm^{1.5}\sqrt{\log m}+N)$时间算法是已知的[Aoyama等人，CPM 2018]。关于这个问题的先前工作中的标准假设是$N$实质上大于$n$和$m$，因此我们希望对前者具有线性依赖性。在这个假设下，自然的开放问题是我们是否可以降低时间复杂度的1.5指数，类似于相关的（但据我们所知，不等价）断字问题[Backurs and Indyk，FOCS 2016]。我们的出发点是EDSM的条件下界。我们使用流行的组合布尔矩阵乘法（BMM）猜想，说明BMM没有真正的亚立方组合算法[Abboud和Williams，FOCS 2014]。通过设计一个适当的减少，我们表明，一个组合算法解决EDSM问题的$O(nm^{1.5-e}+N)$时间，任何$e>0$，驳斥了这一猜想。我们的减少应该被理解为减少指数需要快速矩阵乘法的指示。字符串周期性和快速傅立叶变换是字符串算法中的两个标准工具。我们的主要技术贡献是，我们成功地将这些工具与快速矩阵乘法结合起来，设计了一个非组合的$\tilde{O}(nm^{ω-1}+N)$时间算法EDSM，其中$ω$表示矩阵乘法指数。据我们所知，我们是第一个将这些工具结…

2021-05-04cs.DS

更多相关论文收起更多论文

具有 $k$ 个错配的更快 ED 字符串匹配

Faster ED-String Matching with $k$ Mismatches

针对弹性退化字符串中具有 $k$ 个错配的模式匹配问题，本文利用结构特征刻画与快速傅里叶变换，设计了时间复杂度为 $\tilde{\mathcal{O}}(nm^{1.5}+N)$ 的算法，突破了此前二次项依赖的瓶颈。

2025-03-03cs.DS

b-匹配、最短无向路和f-因子的代数算法

Algebraic Algorithms for b-Matching, Shortest Undirected Paths, and f-Factors

设G=（V，E）是一个图，f：V \to Z+是一个给顶点赋度界的函数.我们提出了第一个有效的代数算法来找到一个f-因子。时间是\tilde{O}（f（V）^ω）。更一般地，对于具有最大绝对值W的积分边权重的图，我们发现时间上的最大权重f因子\tilde{O}（Wf（V）^ω）。(The算法是随机的，具有高概率和拉斯维加斯的正确性;时间界限是最坏情况。我们还提出了三个专门的这些算法：最大权重完美的f-匹配的算法是相当简单（几乎相同的特殊情况下，普通加权匹配）。对于具有保守边权的无向图中的单源最短路问题，给出了最短路树的一种推广，并在\tilde {O（Wn^ω））时间内计算.对于二部图，我们改进了已知的顶点容量限制最大流和最小费用最大流的复杂性界的一个子类的图。

2013-04-24cs.DS

基于弹性简并字符串的泛基因组优化

Pangenome Optimization via Elastic Degenerate Strings

University of Helsinki（赫尔辛基大学）；University of Pisa（比萨大学）

本文提出将创始人重建方法适配到弹性简并字符串（EDS）上，在线性时间内最小化泛基因组的基数或总大小，并实现工具mincard进行首次可扩展优化实验。

2026-09-23cs.DS

退化图中的精确与近似模式计数：新算法、硬度结果和复杂性二分法

Exact and Approximate Pattern Counting in Degenerate Graphs: New Algorithms, Hardness Results, and Complexity Dichotomies

研究了$d$ -退化$n$-顶点图$G$中的$k$ -顶点图$H$的同态计数、副本计数和诱导副本计数问题.我们的主要结果建立了详尽和明确的复杂性分类计数子图和诱导子图。我们发现，$G$中的$H$（不一定是诱导的）拷贝可以在时间$f(k,d)\cdot n^{\max(\mathsf{imn}(H),1)}\cdot \log n$中计数，其中$f$是一些可计算的函数，$\mathsf{imn}(H)$是$H$的最大诱导匹配的大小。只要允许模式类具有无界的诱导匹配数，该算法本质上是最优的：除非指数时间假设（ETH）失败，否则对于任何函数$f$，没有算法在时间上运行$f(k,d)\cdot n^{o(\mathsf{imn}(H)/\log \mathsf{imn}(H))}$。在计数诱导子图的情况下，我们得到了一个类似的分类：我们可以在时间$f(k,d)\cdot n^{α(H)}\cdot \log n$上计数$G$中的诱导子图$H$的拷贝数，如果允许模式类具有无界的独立数，则在时间$f(k,d)\cdot n^{o(α(H)/\log α(H))}$上运行的算法是不可能的，除非ETH失败.在语言的参数化的复杂性，我们的结果产生二分法在固定参数易处理和$\#\mathsf{W}[1]$ -硬的情况下，如果我们参数化的模式和退化的主机图的大小。我们的结果意味着，除非ETH失败，否则几…

2021-06-01cs.CCcs.DS

K-退化图中导出子树的有效计数

Efficient Enumeration of Induced Subtrees in a K-Degenerate Graph

本文研究了输入k-退化图中导出子树的计数问题，其中导出子树是一个无圈连通的导出子图。一个图G =（V，E）是k-退化图，如果对任意一个导出子图都有一个度小于或等于k的顶点，并且现实世界中的许多图都有小退化，或者非常接近小退化。虽然，研究的是子图的计数，如树，路，匹配，但问题解决的是子图的计数，如子图是树的计数。它们的导出子图版本还没有得到很好的研究。其中一个例子是无弦路径和周期。我们的动机是减少时间复杂度接近O（1）的每个解决方案。这类优化算法是由树、生成树等子图类提出的。导出子树是一个基本的对象，因此有必要对其进行深入的研究，并可能存在一些有效的算法。我们的算法利用良好的属性k-退化状态一个有效的摊还分析。结果，每个导出子树的时间复杂度降低到O（k）时间。这个问题是解决在常数时间为每个平面图，作为一个推论。

2014-07-23cs.DS

加权匹配的数据结构及对$b$ -匹配和$f$ -因子的扩展

Data Structures for Weighted Matching and Extensions to $b$-matching and $f$-factors

本文证明了一般图上的加权匹配问题可以在时间$O(n(m + n\log n))$内求解，其中$n$和$m$分别是顶点数和边数。这是以前已知的只有二分图。关键是创建花的数据结构。它使用一个动态的最近共同祖先算法来简化开花步骤，所以它们只涉及到后边缘，而不是任意的非树边缘。本文的其余部分提出了直接扩展埃德蒙兹的开花算法加权$b$ -匹配和$f$ -因素。同样，时间界限也是以前已知的二分图的时间界限：对于$b$ -匹配，时间是$O(\min\{b(V),n\log n\}(m + n\log n))$，对于$f$ -因子，时间是$O(\min\{f(V),m\log n\}( m + n\log n) )$，其中$b(V)$和$f(V)$表示所有度约束的总和。给出了$f$ -因子算法的几个直接应用：给出了\cite{GS13}的广义最短路结构，即，保守无向图的最短路径树的模拟，是$f$因子的开花结构的一个版本。该结构在时间$O(|N|(m+n\log n))$中找到，$N$是负边缘集（$0<|N|<n$）。最短的$T$连接在时间$O(n(m+n\log n))$中找到，或者当所有成本都为非负时，在$O(|T|(m+n\log n))$中找到.这些界限都是以前已知的轻微改进，并简单地实现了适当的初始化的$f$因子算法。

2016-11-22cs.DS