Efficient LCE Queries and Lexicographic Minimizers on Sliding Suffix Trees
Kyushu University(九州大学)
针对滑动窗口的后缀树,提出线性空间数据结构,支持均摊常数时间窗口移动和最坏常数时间LCE查询,并给出常数时间报告最小化子的替代算法。
2026-07-02 cs.DS
Small-space encoding LCE data structure with constant-time queries
\emph{longest common extension}(\emph{LCE})问题是预处理长度为$n$的给定字符串$w$,以便快速回答在任何两个给定位置开始的$w$后缀之间的最长公共前缀的长度。在本文中,我们提出了一个数据结构的$O(z τ^2 + \frac{n}τ)$字的空间,回答LCE查询在$O(1)$时间,并可以建立在$O(n \log σ)$时间,其中$1 \leq τ\leq \sqrt{n}$是一个参数,$z$是的Lempel-Ziv 77分解的$w$和$σ$是字母表的大小。这是\emph{encoding}数据结构,即,它在回答查询时不访问输入字符串$w$,因此$w$可以在预处理之后被删除。在这个主要结果的顶部,我们得到进一步的结果使用(变种)我们的LCE数据结构,其中包括以下内容:-对于高度重复的字符串的$zτ^2$长期占主导地位的$\frac{n}τ$,我们得到一个\emph{constant-time and sub-linear space} LCE查询数据结构。- 即使当输入字符串通过Lempel-Ziv 77因子分解不能很好地压缩时,我们仍然可以获得用于合适的$τ$和用于$σ\leq 2^{o(\log n)}$的\emph{constant-time and sub-linear space} LCE数据结构。- Bille等人[J. Disc…
2017-02-24 cs.DS
Direct Linear Time Construction of Parameterized Suffix and LCP Arrays for Constant Alphabets
我们提出了第一个最坏情况下的线性时间算法,直接计算参数化的后缀和LCP数组恒定大小的字母。以前的算法要么需要二次时间,要么首先建立参数化的后缀树。更正式地说,对于静态字母表$Σ$和参数化字母表$Π$上的字符串,我们的算法在$O(nπ)$时间和空间的$O(n)$字中运行,其中$π$是字符串中$Π$的不同符号的数量。
2019-06-03 cs.DS
Space-efficient SLP encoding for $O(\log N)$-time random access
Kyushu Institute of Technology(九州工业大学)
本文提出了一种空间高效的SLP编码方法,实现O(log N)时间的随机访问查询。
2026-01-08 cs.DS
Dynamic index, LZ factorization, and LCE queries in compressed space
在本文中,我们提出了以下结果:(1)提出了一种新的$O(w)$空间的\emph{dynamic compressed index},它支持在$O(|P| f(M,w) + \log w \log |P| \log^* M (\log N + \log |P| \log^* M) + \mathit{occ} \log N)$时间内搜索当前文本中的模式$P$,在$O((y+ \log N\log^* M)\log w \log N \log^* M)$时间内插入/删除长度为$y$的子串,其中$N$是当前文本的长度,$M$是动态文本的最大长度,$z$是当前文本、$f(a,b) = O(\min \{ \frac{\log\log a \log\log b}{\log\log\log a}, \sqrt{\frac{\log b}{\log\log b}} \})$和$w = O(z \log N \log^*M)$的Lempel-Ziv 77(LZ 77)因子分解的大小。(2)针对给定长度的文本$N$,提出了一种新的空间有效的LZ 77分解算法,该算法在$O(w')$工作空间和$O(N f(N,w') + z \log w' \log^3 N (\log^* N)^2)$时间内运行,其中$w' =O(z \log N \log^* N)$ . (3)我们提出了一种$O(w)$空间的数据…
2016-04-06 cs.DS
Counting Distinct Square Substrings in Sublinear Time
本文首次在打包字符串模型下提出次线性时间算法,通过长周期run的隐式表示、layer run的金字塔形组合性质以及稀疏Lyndon根技术,在$O(n/\log_σn)$时间内统计长度为$n$的字符串中不同平方子串的数量。
2025-09-02 cs.DS
Lempel-Ziv Factorization May Be Harder Than Computing All Runs
研究了在有序字母表上计算的决策树模型中计算Lempel-Ziv分解和所有游程的集合(=最大重复次数)的复杂性。已知这两个问题都可以通过RAM算法在$O(n\logσ)$时间内解决,其中$n$是输入字符串的长度,$σ$是其中不同字母的数量。我们证明了构造Lempel-Ziv因子分解所需的比较次数的$Ω(n\logσ)$下限,从而得出结论,使用Lempel-Ziv因子分解计算游程的流行技术是可行的。Ziv因子分解无法实现$o(n\logσ)$时间界限。与此相反,我们展示了一个$O(n)$决策树算法,发现所有运行在一个字符串。因此,在决策树模型中,游程问题比Lempel-Ziv分解更容易。因此,我们支持的猜想,有一个线性RAM算法找到所有运行。
2014-09-19 cs.DS
Linear Time Inference of Strings from Cover Arrays using a Binary Alphabet
封面是最流行的形式之一,在字符串,随着时间的推移引起了人们的关注。在本文中,我们专注于问题的线性时间推断的字符串覆盖数组使用尽可能最小的字母表。我们提出了一个算法,可以重建一个字符串$x$在一个两个字母的字母表,只要一个有效的覆盖数组$C$作为输入。该算法利用覆盖数组的几个有趣的组合性质和边界数组与覆盖数组之间的一个有趣关系来实现这一点。我们的算法在线性时间内运行。
2011-08-27 cs.DM cs.DS
A Simple Algorithm for Computing the Document Array
我们提出了一个简单的算法,用于计算给定字符串集合及其后缀数组作为输入的文档数组。我们的算法运行在线性时间使用恒定的额外空间字符串从常数字母表。
2019-11-02 cs.DS
Enumeration of sequences with large alphabets
本文主要借鉴Öktem & Astola的\cite{Oktem99}分层枚举编码和Schalkwijk的二进制序列上的\cite{Schalkwijk72}渐近最优组合码的思想,研究$σ$-元序列的有效枚举编码方案。通过观察,不同的$σ$ -维向量的数量具有$n$的内部总和,其中每个维度中的值都在范围$[0...n]$是$K(σ,n) = \sum_{i=0}^{σ-1} {{n-1} \choose {σ-1-i}} {σ \choose {i}}$,我们建议通过枚举表示$C$向量,并提出必要的算法来执行这项任务。我们证明$\log K(σ,n)$需要大约$ (σ-1) \log (σ-1) $比天真的$(σ-1)\lceil \log (n+1) \rceil$表示相对较大的$n$较少的位,并检查不同的字母表大小的实验结果。我们扩展的基本计划的枚举编码的$σ$ -ary序列通过引入一个新的方法,为大字母。我们的实验表明,新引入的技术是优于基本方案,通过提供DNA序列上的实验。
2012-11-13 cs.DM cs.DS cs.IT
Fast Computation of Abelian Runs
给定单词$w$和Parikh向量$\mathcal{P}$,$w$中周期$\mathcal{P}$的阿贝尔游程是具有阿贝尔周期$\mathcal{P}$的$w$的子串的最大出现。我们的主要结果是一个在线算法,给定一个词$w$的长度$n$在基数$σ$的字母表和一个Parikh向量$\mathcal{P}$,返回所有的阿贝尔运行周期$\mathcal{P}$在$w$在时间$O(n)$和空间$O(σ+p)$,其中$p$是规范的$\mathcal{P}$,即,其组成部分的总和。我们还提出了一种在线算法,对于任何给定的范数$p$,该算法计算$w$中范数$p$周期的所有阿贝尔运行,时间为$O(np)$。最后,我们给出了计算$w$的全部阿贝尔游程的$O(n^2)$ -时间离线随机算法。它的确定性对应部分在$O(n^2\logσ)$时间中运行。
2015-12-22 cs.DS
String Synchronizing Sets: Sublinear-Time BWT Construction and Optimal LCE Data Structure
Burrows-Wheeler变换(BWT)是一种可逆的文本变换,给定长度为$n$的文本$T$,根据$T$的后缀的词典顺序来排列其符号。BWT是数据压缩中研究最多的算法之一,在索引,序列分析和生物信息学中有许多应用。它的构建在许多情况下都是一个瓶颈,解决这一任务的复杂性是序列分析中最重要的未解决问题之一,该问题已经开放了25年。给定长度为$n$的二进制串,占用$O(n/\log n)$机器字,Hon等人的BWT构造算法(SIAM J. Comput.,2009)在$O(n)$时间和$O(n/\log n)$空间中运行。最近的进展(Belazzougui,STOC 2014,和Munro等人,SODA 2017)专注于消除时间复杂度中的字母大小依赖性,但它们仍然需要$Ω(n)$时间。在本文中,我们提出了第一个算法,打破了$O(n)$的时间障碍的BWT建设。给定一个长度为$n$的二进制字符串,我们的过程在$O(n/\sqrt{\log n})$时间和$O(n/\log n)$空间中构建Burrows-Wheeler变换。我们用一个有条件的下限来补充这个结果,证明BWT构造的时间复杂度的任何进一步进展都将为非常好地研究的计数反转问题产生更快的算法:它将改进Chan和Padetrachecu(SODA 2010)的最先进的$O(m\sqrt{\log m})$时间解决方案。我们的算法是基于…
2019-05-05 cs.DS
Unclustered BWTs of any Length over Non-Binary Alphabets
本文证明在大小至少为3的字母表上,对任意长度n都存在BWT完全无聚类(恰好n个run)的项链,并给出数量下界,与二进制情形下仍待解决的Artin原根猜想问题形成对比。
2025-08-28 cs.DM cs.DS cs.FL
Optimal Square Detection Over General Alphabets
正方形(对于某些字符串$x$,形式为$xx$的片段)可以说是字符串中最自然的重复类型。关于平方的基本算法问题是检查给定长度为$n$的字符串是否是无平方的,也就是说,不包含这种形式的片段。Main和Lorentz [J. Algorithms 1984]为这个问题设计了一个$\mathcal{O}(n\log n)$时间算法,并证明了一个匹配的下界,假设所谓的通用字母表,这意味着该算法只允许检查两个字符是否相等。但是,它们的下限还假设字符串中存在$Ω(n)$不同的符号。作为一个开放性问题,他们问如果限制字母表的大小,是否有更快的算法。克劳什莫尔(Theor)Comput. Sci. 1986年]设计了一个线性时间算法恒定大小的字母表,并结合最近的结果,他的方法实际上意味着这样的算法线性排序的字母表。最近,Ellert和Fischer [ICALP 2021]通过为一般有序字母表设计线性时间算法,即假设字符的线性顺序允许恒定的时间顺序比较,大大放松了这一假设。然而,1984年Main和Lorentz的公开问题对于一般(无序)字母表仍然没有解决。在本文中,我们表明,测试平方自由的长度$n$字符串的大小PDMATHAMR一般字母表可以做$\mathcal{O}(n\log σ)$比较,不能做$o(n\log σ)$比较。我们补充这个结果与$\mathcal{O}(n\log σ)$时间算法…
2023-03-13 cs.DS
Construction of Sparse Suffix Trees and LCE Indexes in Optimal Time and Space
本文提出确定性算法,在最优时间和空间内构造稀疏后缀树和LCE索引,利用划分集合实现线性时间构造,并改进任意参数下的构造效率。
2024-04-21 cs.DS
Alternative Algorithms for Lyndon Factorization
我们提出了两种变化的杜瓦尔算法计算林登分解的一个字。第一种算法是针对小字母表的情况设计的,并且对于包含字母表中最小字符的串,能够跳过字符串的显著部分。实验结果表明,该算法比Duval的原算法速度快十倍以上,在长DNA串的情况下也有明显的提高。第二个算法,给定一个长度为$ρ$的游程编码字符串$R$,计算$R$在$O(ρ)$时间和恒定空间中的林登因子分解。
2014-07-11 cs.DS
Optimal Time and Space Construction of Suffix Arrays and LCP Arrays for Integer Alphabets
后缀数组和LCP数组是广泛用于各种字符串处理的最基本的数据结构之一。考虑了整数字母表上长度为$N$的只读字符串的两个问题:对于$1 \leq σ\leq N$,字符串包含$σ$不同字符,后缀数组的构造,以及后缀数组和LCP数组的同时构造.对于字RAM模型,我们提出的算法来解决这两个问题,在$O(N)$的时间,通过使用$O(1)$额外的字,这是最佳的时间和空间。额外的字意味着除了输入字符串和输出后缀数组和LCP数组的空间之外所需的空间。我们的贡献改进了以前最有效的算法,[Nong,TOIS 2013]使用$σ+O(1)$额外单词的$O(N)$时间和[Franceschini和Muthukrishnan,ICALP 2007]使用$O(1)$额外单词的$O(N \log N)$时间,用于构建后缀数组,并且它改进了以前在$O(N)$时间中运行的最有效的解决方案,该解决方案使用$σ+ O(1)$额外的字来构造后缀数组和LCP数组,[Nong,TOIS 2013]和[Manzini,SWAT 2004]的组合。
2019-07-13 cs.DS
Fast Computation of $k$-Runs, Parameterized Squares, and Other Generalised Squares
本文证明 $k$-错配重复输出规模为 $O(nk\log k)$,并据此给出 $O(nσ\log σ)$ 枚举与 $O(n\log n)$ 计数不等价参数化平方的算法。
2025-09-02 cs.DS
Adaptive Learning of Compressible Strings
假设一个oracle知道一个字符串$S$,这个字符串对我们来说是未知的,我们想确定它。oracle可以回答"$s$是$S$的子串吗?".在1995年,Skiena和Sundaram指出,在最坏的情况下,任何算法都需要询问Oracle $σn/4 -O(n)$查询,以便能够重建隐藏字符串,其中$σ$是$S$的字母表的大小,$n$是其长度,并给出了一个算法,该算法花费$(σ-1)n+O(σ\sqrt{n})$查询来重建$S$。本文的主要贡献是在弦是可压缩的情况下改进了上述上界。我们首先提出了一个通用的算法,给定一个(可计算的)压缩器,压缩字符串的$τ$位,执行$q=O(τ)$子串查询,这个算法,但是,在指数时间运行。出于这个原因,本文的第二部分侧重于时间效率更高的算法,其查询的数量是由特定的压缩性措施。我们首先表明,任何字符串的长度$n$在一个整数字母表的大小$σ$与$rle$运行可以重建与$q=O(rle (σ+ \log \frac{n}{rle}))$子串查询线性时间和空间。然后,我们提出了一个算法,花$q \in O(σg\log n)$子串查询和运行在$O(n(\log n + \log σ)+ q)$时间使用线性空间,其中$g$是一个最小的直线程序生成的字符串的大小。
2021-10-19 cs.DS
Efficiently Testing Simon's Congruence
西蒙同余$\sim_k$定义如下:如果两个词具有相同的长度不超过$k$的同余集合,则它们是$\sim_k$等价的。我们提出了一种算法,计算,给定两个字$s$和$t$,最大的$k$,其中$s\sim_k t$。我们的算法运行在线性时间$O(|s|+|t|)$时,输入的单词是在整数字母表$\{1,\ldots,|s|+|t|\}$(或其他字母,可以在线性时间排序)。这种方法也导致在一般字母表的情况下的最佳算法。我们的结果是基于一种新的组合方法和一系列有效的数据结构。
2021-03-15 cs.DS cs.FL
Run Compressed Rank/Select for Large Alphabets
给定一个长度为$n$的字符串,该字符串由来自字母表$\{0,1,\ldots,σ{-}1\}$的字母组成,使得$2 \le σ\le r$,我们描述了一种数据结构,该数据结构提供$r \le n / \log^{ω(1)} n$,以$r\log\frac{nσ}{r} + o(r\log\frac{nσ}{r})$位存储字符串,并支持在$O(\log\frac{\log(n/r)}{\log\log n})$时间中的选择和访问查询以及在$O(\log\frac{\log(nσ/r)}{\log\log n})$时间中的排名查询。我们表明,$r\log\frac{n(σ-1)}{r} - O(\log\frac{n}{r})$位是必要的任何这样的数据结构,因此,我们的解决方案是简洁的。我们还描述了一个数据结构,它使用$(1 + ε)r\log\frac{nσ}{r} + O(r)$位,其中$ε> 0$是一个任意常数,具有相同的查询时间,但没有限制$r \le n / \log^{ω(1)} n$。通过简单的减少有色前任问题,我们表明,查询时间是最佳的重要情况下$r \ge 2^{\log^δn}$,为任意常数$δ> 0$。我们实施了我们的解决方案,并将其与最先进的解决方案进行了比较,结果显示,最接近的竞争对手消耗的空间要多31-46%。
2018-02-26 cs.DS
Space-Efficient Re-Pair Compression
Re-Pair是一种有效的基于语法的压缩方案,在实践中获得了很高的压缩率。令$n$、$σ$和$d$分别为最终语法的文本长度、字母表大小和字典大小。在他们的原始论文中,作者展示了如何在预期的线性时间内计算Re-Pair文法,并在文本之上计算工作空间的$5n + 4σ^2 + 4d + \sqrt{n}$单词。在这项工作中,我们提出了两个算法改进的空间,他们原来的解决方案。我们的模型假设一个记忆字的$\lceil\log_2 n\rceil$位和一个可重写的输入文本组成的$n$这样的话。我们的第一个算法运行在预期的$\mathcal O(n/ε)$时间,并使用$(1+ε)n +\sqrt n$字的空间上的任何参数$0<ε\leq 1$提前选择的文本。我们的第二个算法在预期的$\mathcal O(n\log n)$时间内运行,并将空间改进为$n +\sqrt n$字。
2016-11-04 cs.DS
Algorithms for Longest Common Abelian Factors
在本文中,我们考虑的问题,计算两个给定的字符串之间的最长公共阿贝尔因子(LCAF)。我们提出了一个简单的$O(σ~ n^2)$时间算法,其中$n$是字符串的长度和$σ$是字母表的大小,和一个次二次运行时间的解决方案的二进制字符串的情况下,都有线性空间的要求。此外,我们提出了一个修改后的算法,应用一些有趣的技巧和实验表明,由此产生的算法运行速度更快。
2015-02-28 cs.DS
More RLBWT Tricks
Center for Biotechnology and Bioengineering (CeBiB)(生物技术生物工程中心)
针对FM索引和CSA在字母表增大时的性能差异,提出一种基于1阶秩编码的混合索引,通过反向搜索结合单步CSA恢复信息,在合成数据上速度最快,但空间开销较大。
2026-11-06 cs.DS
Improved Approximation for Longest Common Subsequence over Small Alphabets
研究了最长公共子序列(LCS)问题的可逼近性。求解LCS问题的最快算法在输入长度上的基本二次时间内运行,并且已知在强指数时间假设下,二次运行时间无法被击败。然而,除了在一些有限的情况下,LCS的近似计算没有这样的限制。近似算法也很缺乏。当两个给定的字符串在大小为$k$的字母表上时,返回由两个字符串中出现最频繁的符号形成的子序列实现LCS的$1/k$近似。这是一个开放的问题,是否可以在真正的次二次时间($O(n^{2-δ})$时间常数$δ>0$)实现更好的$1/k$近似。最近的一个结果[Rubinstein and Song SODA'2020]表明,只要输入字符串具有相同的长度,在真正的次二次时间中,在二进制字母表上对LCS的$1/2+ε$近似是可能的。在本文中,我们表明,如果一个$1/2+ε$近似($ε>0$)是可实现的二进制LCS在真正的次二次时间时,输入字符串可以是不平等的,然后为每个常数$k$,有一个真正的次二次时间算法,实现了$1/k+δ$近似$k$ -ary字母表LCS的一些$δ>0$。二进制是最难的。我们还表明,对于每个常数$k$,如果给定$k$进制字母表上的两个长度为\emph{equal}的字符串,则可以在真正的次二次时间内获得某个常数$ε>0$的$1/k+ε$逼近,从而将Rubinstein和Song的结果扩展到所有常数大小的字母表。
2021-05-07 cs.CC cs.DS
Duel and sweep algorithm for order-preserving pattern matching
给定文本$T$和字母表$Σ$上的模式$P$,经典的精确匹配问题搜索文本$T$中模式$P$的所有出现。与精确匹配问题不同,保序模式匹配(OPPM)考虑的是元素的相对顺序,而不是它们的真实值。在本文中,我们提出了一个有效的算法OPPM问题使用的“双扫描”范式。我们的算法运行在$O(n + m\log m)$时间一般和$O(n + m)$时间的假设下,字符串中的字符可以排序在线性时间的字符串大小。我们还进行了实验,并表明我们的算法是基于KMP的算法更快。最后,我们介绍了二维保序模式匹配,并给出了一种双扫描算法,该算法在双阶段运行于$O(n^2)$时间内,在扫描时间运行于$O(n^2 m)$时间内,并带有$O(m^3)$预处理时间。
2017-05-26 cs.DS
Pattern matching under DTW distance
在这项工作中,我们考虑动态时间规整(DTW)距离下的模式匹配的问题,潜在的应用在分析生物数据产生的第三代测序的动机。为了测量两个字符串之间的DTW距离,必须将它们“扭曲”,即将字符串中的某些字母加倍以获得两个等长字符串,然后将相应位置的字母之间的距离相加。当字母之间的距离是整数时,我们证明了对于m次运行的模式P和n次运行的文本T:1。有一个O(m + n)时间的算法,它计算从P到T的DTW距离最多为1的所有位置; 2.有一个O(kmn)时间算法,它计算从P到T的DTW距离最多为k的所有位置。作为第二个结果的推论,我们还导出了字母表上一般度量的近似算法。
2022-08-31 cs.DS
Synchronization Strings: Efficient and Fast Deterministic Constructions over Small Alphabets
最近Haeupler和Shahrasbi [HS 17 a]在研究用于纠正插入和删除错误的代码(insdel代码)时引入了同步字符串。同步字符串是字符串中符号索引的编码,并且与适当的解码算法一起,它可以将插入和删除错误转换为标准符号擦除和损坏。这将构造insdel码的问题简化为构造标准纠错码的问题,这更容易理解。除此之外,同步字符串在其他应用中也很有用,例如同步序列和交互式编码方案。令人惊讶的是,[HS 17 a]表明,对于任何错误参数$\varepsilon>0$,在其大小仅取决于$\varepsilon$的字母表上存在任意长度的同步字符串。具体来说,他们获得了$O(\varepsilon^{-4})$的字母表大小,以及在预期时间$O(n^5)$内运行的随机结构。然而,它仍然是一个有趣的问题,找到确定性和更有效的结构。本文从三个方面对文献[HS 17 a]中的构造方法进行了改进:减小了字母表的长度,构造了一个确定性的结构,并给出了一个更快的算法。在此过程中,我们引入了一个新的组合对象,并建立了一个新的同步字符串和insdel码之间的联系-这样的代码可以用一种简单的方式来构造同步字符串。这个新的连接补充了[HS 17 a]中发现的连接,并且可能是独立的兴趣。在一个独立的工作[HS 17 c]中,Haeupler和Shahrasbi也给出了任意长度(甚至无限长)的同步弦的确定性结构。…
2017-10-29 cs.DS cs.IT math.IT
Minimal unique palindromic substrings after single-character substitution
回文是一个字符串,它的正反读都是一样的。如果$w$在$T$中只出现一次,并且$w$的任何适当回文子串在$T$中至少出现两次,则字符串$T$的回文子串$w$被称为$T$的最小唯一回文子串(MUPS)。MUPS用于回答最短唯一回文子串问题,这是由分子生物学激发的[Inoue et al.,2018年]。给定长度为$n$的字符串$T$,可以在$O(n)$时间内计算$T$的所有MUPS。在本文中,我们研究的问题,更新的MUPS的设置时,输入字符串$T$中的一个字符被替换为另一个字符。我们首先分析了当一个字符被替换时,MUPS变化的数目$d$,并表明$d$在$O(\log n)$中。此外,我们提出了一种算法,使用$O(n)$时间和空间的预处理,并更新的MUPS在$O(\logσ+ (\log\log n)^2 + d)$时间,其中$σ$是字母表的大小。我们还提出了一个变体的算法,它运行在最佳的$O(1+d)$时间时,字母表的大小是恒定的。
2021-10-02 cs.DS
Decompressing Lempel-Ziv Compressed Text
我们考虑使用尽可能接近输入的大小$z$的工作空间来解压缩长度为$n$的字符串$S$的Lempel-Ziv 77表示的问题。该问题的民间传说解决方案在$O(n)$时间内运行,但需要随机访问整个解压缩文本。另一种民间传说的解决方案是将LZ 77转换为大小为$O(z\log(n/z))$的语法,然后在线性时间内流式传输$S$。在本文中,我们表明,$O(n)$时间和$O(z)$工作空间可以实现恒定大小的字母表。在大小为$σ$的一般字母表上,我们描述了(i)对于任何$0\leq δ\leq 1$实现$O(n\log^δσ)$时间和$O(z\log^{1-δ}σ)$空间的折衷,以及(ii)实现$O(n)$时间和$O(z\log\log (n/z))$空间的解决方案。后一种解决方案,特别是,占主导地位的民俗算法的问题。更一般地说,我们的解决方案可以提取$S$的任何指定的子序列,而在线性运行时间和工作空间之上的开销很小。作为一个直接的推论,我们表明,我们的技术产生LZ 77压缩文本的模式匹配问题的改进结果。
2019-11-04 cs.DS
Subsequence Covers of Words
该研究提出新型单词覆盖s-cover,给出多项式有界字母表下的s-cover检测及常数字母表下最短s-cover的线性时间算法,并给出s-本原词长度的指数上下界且改进了已有上界。
2025-09-06 cs.DS
Fine-Grained Complexity of Approximating Vector Knapsack: A Faster Algorithm and Equivalence with $k$-SUM in 2D
ETH Zurich(苏黎世联邦理工学院);Ben-Gurion University of the Negev(内盖夫本-古里安大学);Max Planck Institute for Informatics(马克斯·普朗克 informatics 研究所)
该研究改进了d维向量背包问题的近似算法运行时间,给出二维情况的细粒度下界,确定其最优指数,且二维特殊情况的算法达到双准则最优。
2026-08-31 cs.DS
Fully-Functional Suffix Trees and Optimal Text Searching in BWT-runs Bounded Space
自千年之交以来,索引高度重复的文本-如基因组数据库,软件库和版本化文本集合-已成为一个重要的问题。重复文本的相关可压缩性度量是r,其Burrows-Wheeler变换(BWT)中的运行次数。Run-Length FM索引是最早的重复集合索引之一,使用O(r)空间,能够有效地计算文本中长度为m的模式的出现次数(使用当前技术,以每个模式符号的对数时间为单位)。然而,它无法在以r为界的空间内有效地定位这些事件的位置。在本文中,我们关闭这个长期存在的问题,展示了如何扩展游程长度FM索引,使其能够在O(r)空间内有效地定位occ出现时间复杂度为O(m + occ),时间复杂度为O(m)。(r log log w(σ + n/r))空间,用于在RAM机器上具有w = Ω(log n)位的字的σ大小的字母表上的长度为n的文本。在这个空间内,我们的索引也可以在最佳时间内计数,O(m)。将空间乘以O(w/ log σ),我们支持O(dm log(σ)/we)和O(dm log(σ)/we + occ)时间的计数和定位,这在压缩设置中是最优的,以前在压缩空间中没有得到。我们还描述了一个使用O(rlog(n/r))空间的结构,该结构在几乎最优的时间O(log(n/r)+ ` log(σ)/w)内替换文本并提取长度为`的任何文本子串。在这个空间内,我们同样提供了直接存取后缀数组,反后缀数组,和最长的公共前…
2019-07-04 cs.DS
Linear pattern matching on sparse suffix trees
将多个字符打包到一个计算机字中是压缩字符串表示并加速其处理的一种简单而自然的方法。利用这个想法,我们提出了一个压缩字符串的索引,基于{ \em稀疏后缀树} \cite{KU-96}适当定义的后缀链接。假设,在标准的单位成本RAM模型下,一个字最多可以存储$\log_σn$字符($σ$是字母表大小),我们的索引占用$O(n/\log_σn)$空间,即与压缩字符串本身相同的空间。所得到的模式匹配算法在时间$O(m+r^2+r\cdot occ)$中运行,其中$m$是模式的长度,$r$是存储在字中的字符的实际数目,而$occ$是模式出现的数目。
2011-03-14 cs.DS
Efficient algorithms for the basis of finite Abelian groups
设$G$是一个有限交换群$G$,其元素为$N$.本文给出了计算$G$基的一个O(N)时间算法。进一步,我们得到了一个由具有时间复杂度为$M$生成系统计算基的算法,其中$p$遍历$N$的所有素因子,$p^{e(p)}$,$μ(p)$分别是$G$的$p$ -素分支的指数和循环群数.在$G$是具有含$M$元素的生成系统的循环群的情况下,获得用于计算$G$的基的$O(MN^ε)$时间算法。
2008-08-25 cs.CC cs.DS
Linear-Time Approximation Algorithms for Computing Numerical Summation with Provably Small Errors
本文针对浮点数集合求和问题,证明混合符号情况下达到最优误差是NP困难的,并提出首个线性时间近似算法,误差至多为最优的2倍,全同号时误差至多为对数对数倍。
2000-11-14 cs.DS cs.NA math.NA
Online Computation of Palindromes and Suffix Trees on Tries
Joint Graduate School of Mathematics for Innovation, Kyushu University(九州大学数学创新联合研究生院);NTT Communication Science Laboratories(NTT通信科学实验室);Department of Computer and Network Engineering, University of Electro-Communications(电子通信大学计算机与网络工程系);Department of Informatics, Kyushu University(九州大学信息学系);M&D Data Science Center, Institute of Integrated Research, Institute of Science Tokyo(东京科学大学综合研究研究所M&D数据科学中心)
本文提出亚二次算法在线计算动态Trie中的回文和后缀树,支持叶节点的增删操作。
2026-01-23 cs.DS
Streaming Algorithms For Computing Edit Distance Without Exploiting Suffix Trees
编辑距离是一种通过计算将一个字符串转换为另一个字符串所需的最小字符插入、删除和替换次数来量化两个字符串彼此相似程度的方法。在本文中,我们研究的计算问题的编辑距离计算一对字符串之间的距离是有界的参数$k\ll n$。本文提出了两种计算编辑距离的流算法:一种是按时间运行的$O(n+k^2)$,另一种是按时间运行的$n+O(k^3)$。通过写$n+O(k^3)$,我们想强调每个输入符号的操作数是一个小常数。特别是,运行时间不依赖于字母表的大小,算法应该很容易实现。以前的一个流算法与运行时间$O(n+k^4)$中给出的文件,目前的作者(STOC'16)。最好的离线算法在时间上运行$O(n+k^2)$(Landau等人,1998年),这是已知的最佳下的强指数时间假设。
2016-07-13 cs.CC cs.DS
Parallel algorithm for pattern matching problems under substring consistent equivalence relations
给定一个文本和一个字母表上的模式,模式匹配问题搜索该模式在文本中的所有出现。等价关系$\approx$称为子串一致等价关系(SCER),如果对于两个字符串$X$和$Y$,$X \approx Y$意味着所有$1 \le i \le j \le |X|$的$|X| = |Y|$和$X[i:j] \approx Y[i:j]$。在本文中,我们提出了一个有效的并行算法的模式匹配下的任何SCER使用“双扫描”的范例。对于长度为$m$的模式和长度为$n$的文本,我们的算法在$O(ξ_m^\mathrm{t} \log^2 m)$时间和$O(ξ_m^\mathrm{w} \cdot n \log^2 m)$工作中运行,在优先并发读并发写并行随机存取机(P-CRCW PRAM)上进行$O(τ_n^\mathrm{t} + ξ_m^\mathrm{t} \log^2 m)$时间和$O(τ_n^\mathrm{w} + ξ_m^\mathrm{w} \cdot m \log^2 m)$工作预处理。
2022-07-27 cs.DS
Internal Pattern Matching Queries in a Text and Applications
本研究提出用于文本内部模式匹配查询的最优数据结构,其查询时间与片段长度商成正比、空间与构造时间均为$O(n/ \log_σn)$,可应用于周期计算等经典字符串内部问题,并给出了字符串同步集的新构造方法。
2023-05-02 cs.DS
Approximate pattern matching with k-mismatches in packed text
给定长度为$m$的字符串$P$和长度为$n$的字符串$T$,在长度为$σ$的字母表上,字符串匹配与$k$ -不匹配问题是找到$T$中所有子串的位置,这些子串与$P$的汉明距离最多为$k$。如果$T$一次只能读取一个字符,则在字长为$w$的字RAM模型中,最知名的界限是$O(n\sqrt{k\log k})$和$O(n + n\sqrt{k/w}\log k)$。在RAM模型(包括$AC^0$和字RAM)中,如果使用$\ceil{\log σ}$位对$T$的字符进行编码,则可以在恒定时间内读取多达$\floor{w / \log σ}$的字符。唯一的解决方案$k$ -不匹配的包装文本工程在$O((n \logσ/\log n)\ceil{m \log (k + \log n / \logσ) / w} + n^{\varepsilon})$的时间,任何$\varepsilon > 0$。我们提出了一个算法,运行在时间$O(\frac{n}{\floor{w/(m\logσ)}} (1 + \log \min(k,σ) \log m / \logσ))$的$AC^0$模型,如果$m=O(w / \logσ)$和$T$是包装。我们还描述了一个更简单的变体,运行在时间$O(\frac{n}{\floor{w/(m\logσ)}}\log \min(m, \log w / \logσ))$的…
2013-07-31 cs.DS
Linear-time Minimization of Wheeler DFAs
Wheeler DFA(WDFA)是有限状态自动机的一个子类,在压缩数据结构的新兴领域中发挥着重要作用:与一般自动机相反,WDFA可以存储在每个边缘的$\logσ+ O(1)$位中,$σ$是字母表的大小,并支持对它们识别的语言的子串闭包的最佳时间模式匹配查询。实现进一步压缩的一个重要步骤是最小化。当输入$\mathcal A$是一个一般的确定性有限状态自动机(DFA),国家的最先进的是由经典的Hopcroft算法,它运行在$O(|\mathcal A|\log |\mathcal A|)$时间。该算法是Wheeler DFA唯一现有的最小化算法的核心,继承了其复杂性。在这项工作中,我们表明,最小WDFA相当于一个给定的输入WDFA可以计算在线性$O(|\mathcal A|)$时间。当运行在从真实DNA数据集构建的de Bruijn WDFA上时,我们算法的实现以每秒超过100万个节点的速度将节点数量从14%减少到51%。
2021-11-03 cs.DS
Optimal Las Vegas reduction from one-way set reconciliation to error correction
假设我们有两个参与者$A$和$C$,其中参与者$A$有一个字符串$s[0..u-1]$,参与者$C$有一个字符串$t[0..u-1]$,两个参与者都不知道对方的字符串。假设$s$和$t$都在整数字母表$[σ]$上,其中第一个字符串包含$n$非零条目。我们希望回答以下基本问题。假设$s$和$t$在大多数$k$位置上不同,那么参与者$A$需要向参与者$C$发送多少比特,以便他可以确定地恢复$s$?此外,播放器$A$需要花费多少时间来计算发送的比特,播放器$C$需要多少时间来恢复字符串$s$?这个问题有一定数量的应用,例如在数据库中,其中双方中的每一方都拥有一组$n$键值对,其中键来自$[u]$,值来自$[σ]$,通常是$n\ll u$。在本文中,我们展示了一个时间和消息大小的最佳拉斯维加斯减少从这个问题的问题的系统误差校正的$k$错误的字符串长度$Θ(n)$的大小$2^{Θ(\logσ+\log (u/n))}$的字母表。由减少引起的额外运行时间对于参与者$A$是线性随机的,并且对于参与者$B$是线性确定的,但是校正确定地起作用。当使用流行的Reed-Solomon码时,该简化给出了一个协议,该协议传输$O(k(\log u+\logσ))$比特,并且对于$k$的所有值都在时间$O(n\cdot\mathrm{polylog}(n)(\log u+\logσ))$中运行。时间对于玩家$…
2015-12-16 cs.DS
Pointer-Machine Algorithms for Fully-Online Construction of Suffix Trees and DAWGs on Multiple Strings
我们处理的问题,维护后缀树索引结构的一个完全在线的多个字符串的集合,其中一个新的字符可以在任何时候在集合中的任何字符串的前缀。最近由Takagi等人提出的用于该问题的唯一先前已知的算法[Micromica 82(5):1346-1377(2020)]在字RAM模型上在$O(N \log σ)$时间和$O(N)$空间中运行,其中$N$表示字符串的总长度,$σ$表示字母表大小。他们的算法大量使用了半动态树上的最近标记祖先(NMA)数据结构,该结构可以回答查询并支持在字RAM模型上的$O(1)$分摊时间中插入节点。在本文中,我们提出了一个更简单的全在线从右到左的算法,建立后缀树为一个给定的字符串集合在$O(N (\log σ+ \log d))$时间和$O(N)$空间,其中$d$是最大数量的传入韦纳链接到一个节点的后缀树。我们注意到,$d$由后缀树的高度限定,后缀树的高度又由集合中最长字符串的长度限定。这种新算法的优点是它工作在指针机器模型上,即它不使用涉及查表的复杂NMA数据结构。作为一个副产品,我们还获得了一个指针机算法,用于建立有向无环字图(DAWG)的多个字符串,它运行在$O(N (\log σ+ \log d))$时间和$O(N)$空间再次没有NMA数据结构的帮助下,一个完全在线的左到右收集。
2020-05-02 cs.DS
Quantum and approximation algorithms for maximum witnesses of Boolean matrix products
寻找两个布尔矩阵的布尔积的最大(或最小)见证人问题(简称MW)有许多重要的应用,特别是有向无环图中的所有对最低共同祖先(LCA)问题。对于n \times n布尔矩阵的MW问题,最著名的时间上限为O(n^{2.575}),自2006年以来没有实质性的改进。为了得到更快的算法,我们研究了量子算法的MW和近似算法MW(在标准计算模型)。我们的一些量子算法是输入或输出敏感的。我们对MW问题以及相关问题的最快量子算法在时间上运行为\tilde{O}(n^{2+λ/2})= \tilde{O}(n^{2.434}),其中λ满足方程ω(1,λ,1)= 1 + 1.5 \,λ并且ω(1,λ,1)是n \times n^λ$矩阵乘以n^λ \times n矩阵的指数。接下来,我们考虑一个放松版本的MW问题(在标准模型中),要求为矩阵乘积的每个非零项报告有界秩的见证(最大见证的秩为1)。首先,通过采用最快的已知算法的最大证人,我们得到了一个算法的放松的问题,报告的产品矩阵的每一个非零的项目,在时间\tilde{O}((n/ \ell)n^{ω(1,\log_n \ell,1)})的排名最多\ell的证人。然后,通过将放松的问题简化为所谓的k-见证问题,我们提供了一个算法,该算法为乘积矩阵C的每个非零条目C[i,j]报告秩为O的见证(\lceil W_C(i,j)/k \rceil),其中W_C(i,…
2021-05-30 cs.DS
r*-indexing
该研究针对文本索引问题,提出一种基于BWT游程数之和$r^*$与LZ77短语数$z$的存储方案,实现了高效的模式匹配查询,包括报告所有出现位置及最左、最右出现位置。
2025-08-18 cs.DS
Faster Compact On-Line Lempel-Ziv Factorization
我们提出了一个新的在线算法计算Lempel-Ziv分解的字符串,运行在$O(N\log N)$时间,只使用$O(N\logσ)$位的工作空间,其中$N$是字符串的长度和$σ$是字母表的大小。这是一个显着的改进相比,以前的在线算法使用相同的工作空间顺序,但运行在$O(N\log^3N)$时间(Okanohara & Sadakane 2009)或$O(N\log^2N)$时间(Starikovskaya 2012)。我们的新算法的关键是利用一个优雅的,但不太流行的索引结构称为有向非循环字图,或DAWG(Blumer等1985)。我们还提出了一个机会的变体,我们的算法,给定的行程长度编码的长度$N$的字符串的大小$m$,计算Lempel-Ziv因式分解在线,在$O\left(m \cdot \min \left\{\frac{(\log\log m)(\log \log N)}{\log\log\log N}, \sqrt{\frac{\log m}{\log \log m}} \right\}\right)$时间和$O(m\log N)$位的空间,这是更快,更节省空间的字符串时,运行长度可压缩。
2013-05-27 cs.DS
Conversion from RLBWT to LZ77
在不显式解压缩的情况下将字符串的压缩格式转换为另一种压缩格式是字符串处理的中心研究课题之一。本文讨论了将字符串的游程Burrows-Wheeler变换(RLBWT)转换为反向字符串的Lempel-Ziv 77(LZ 77)短语的问题。使用Policriti和Prezza的转换算法[Micromica 2018]的第一个结果是字符串长度$n$的$O(n \log r)$时间和$O(r)$工作空间、RLBWT中运行次数$r$和LZ 77短语$z$的数量。Kempa转换算法[SODA 2019]的最新结果是RLBWT的字母大小$σ$的$O(n / \log n + r \log^{9} n + z \log^{9} n)$时间和$O(n / \log_σ n + r \log^{8} n)$工作空间。本文对Policriti和Prezza的转换算法进行了改进,提出了一种新的转换算法,该算法采用了通用的动态数据结构。我们认为,这些动态的数据结构可以被替换,并提出新的数据结构,更快的转换。我们的转换算法与新的数据结构的时间和工作空间分别为$O(n \min \{ \log \log n, \sqrt{\frac{\log r}{\log\log r}} \})$和$O(r)$。
2019-02-14 cs.DS
Solving $k$-SUM using few linear queries
$k$ -SUM问题是给定$n$输入实数,以确定其中是否有任何$k$和为零。这个问题在$P$内的复杂性理论的新兴领域中是非常重要的,并且它是否允许具有$c<\lceil \frac{k}{2} \rceil$的复杂性$O(n^c)$算法是特别开放的。受Meiser(1993)算法的启发,我们证明了存在求解$k$ -SUM的深度为$O(n^3\log^3 n)$的线性决策树和代数计算树。此外,我们表明,存在一个随机算法,运行在$\tilde{O}(n^{\lceil \frac{k}{2} \rceil+8})$的时间,并执行$O(n^3\log^3 n)$线性查询的输入。因此,我们表明,它是可能的,有一个算法的运行时间几乎相同(最多的$+8$)的最知名的算法,但第一次也与查询的数量上的输入一个多项式是独立的$k$。线性查询的数量上的$O(n^3\log^3 n)$界限也是比求解$k$ -SUM的任何已知算法更严格的界限,甚至允许查询之外的无限总时间。通过同时实现几个查询的输入,而不显着牺牲运行时间相对于已知的算法,我们加深了对这个典型的问题,这是一个基石的复杂性内PDMATHAMO的理解。我们还考虑了查询中涉及的术语数量和决策树的深度之间的一系列权衡。特别地,我们证明了存在$o(n)$ -深度为$o(n^4)$的线性决策树。
2016-02-18 cs.CC cs.CG cs.DS
Closed Repeats
本文提出闭合重复概念,证明其数量上界为 O(n log n) 且该界紧,并给出最优时间计算算法及基于闭合重复的子串查询数据结构。
2024-09-30 cs.DS
The Inverse Lyndon Array: Definition, Properties, and Linear-Time Construction
University of Salerno(萨莱诺大学)
本文研究逆Lyndon数组,定义其为逆Lyndon词的结构,通过next greater suffix数组和border修正项进行刻画,并提出线性时间构造算法,适用于一般有序字母表。
2026-03-18 cs.DS cs.FL
Tree Edit Distance Cannot be Computed in Strongly Subcubic Time (unless APSP can)
两个根有序树之间的编辑距离,其中$n$节点标记为字母表~ $Σ$,是通过删除和重新标记现有节点以及插入新节点组成的一系列基本操作将一棵树转换为另一棵树的最小成本。树编辑距离是字符串编辑距离的一个众所周知的推广。树编辑距离的已知最快算法在立方$O(n^3)$时间内运行,并且基于与字符串编辑距离类似的动态规划解决方案。在本文中,我们表明,一个真正的次立方$O(n^{3-\varepsilon})$时间算法树编辑距离是不可能的:对于$|Σ| = Ω(n)$,一个真正的次立方算法树编辑距离意味着一个真正的次立方算法的所有对最短路径问题。对于$|Σ| = O(1)$,树编辑距离的真正次立方算法意味着用于找到最大权重$k$ -团的$O(n^{k-\varepsilon})$算法。因此,虽然在上限方面,字符串编辑距离和树编辑距离是高度相关的,但在下限方面,字符串编辑距离表现出强指数时间假设的硬度[Backurs,Indyk STOC'15],而树编辑距离表现出所有对最短路径的硬度。我们的结果提供了一个匹配的条件下界的最后剩下的经典动态规划问题之一。
2017-03-27 cs.DS
Computing the LCP Array of a Labeled Graph
本文提出了首个基于动态范围刺穿的高效算法,可在 $O(n\log σ)$ 时间和 $O(n\logσ)$ 位空间内构建有向有标号图的 LCP 数组。
2024-04-22 cs.DS
Computing Smallest Suffixient Arrays in Sublinear Time
Kyushu University(九州大学);University of Chile(智利大学);Center for Biotechnology and Bioengineering (CeBiB)(生物技术与生物工程中心);University of Warsaw(华沙大学);University of Palermo(巴勒莫大学)
提出在亚线性时间内计算文本T的最小后缀数组的方法,时间复杂度和运行数相关,改进了现有算法。
2026-07-02 cs.DS