Faster Longest Common Extension Queries in Strings over General Alphabets
最长公共扩展查询(通常称为最长公共前缀查询)构成多字符串算法中的基本构建块,例如计算运行和近似模式匹配。我们表明,序列的$q$ LCE查询的大小$n$的字符串在一般有序的字母表可以实现在$O(q \log \log n+n\log^*n)$的时间,使只有$O(q+n)$符号比较。因此,可以在进行$O(n)$符号比较的$O(n \log \log n)$时间内计算字符串中在一般有序字母表上的所有游程。我们的结果改进了Kosolobov(信息处理Letters,2016)的解决方案,他给出了一个具有$O(n \log^{2/3} n)$运行时间的算法,并证明了$O(n)$时间是可能的。我们在解决这个猜想方面取得了重大进展。当时间增加到$O(q\log n + n\log^*n)$时,我们的技术扩展到一般无序字母的情况。主要工具是差异覆盖和不交集数据结构。
2016-04-07 cs.DS
Fast Longest Common Extensions in Small Space
在本文中,我们解决的最长公共扩展(LCE)问题:计算长度$\ell$的任何两个后缀之间的$T\in Σ^n$与$ Σ= \{0, \ldots σ-1\} $的最长公共前缀。我们提出了两个快速和空间有效的解决方案的基础上(Karp-Rabin)\textit{fingerprinting}和\textit{sampling}。我们的第一个数据结构利用梅森素数的属性时,使用的卡普-拉宾哈希函数的模数,并采取$n\lceil \log_2σ\rceil$位的空间。我们的第二种结构适用于任何素数模,并占用$n\lceil \log_2σ\rceil + n/w + w\log_2 n$位空间($ w $存储器字大小)。这两种结构都支持$\mathcal O\left(m\logσ/w \right)$ -时间提取任意长度的$m$文本子串,$\mathcal O(\log\ell)$ -时间LCE查询的高概率,并可以建立在最佳的$\mathcal O(n)$时间。在第一种情况下,我们是第一个结果,表明它是可能的回答LCE查询在$o(n)$时间,而只使用$\mathcal O(1)$字的顶部所需的空间来存储文本。我们的研究结果提高了空间使用率,查询时间和预处理时间的最新技术水平,并且非常实用:我们提出了一个C++实现,在实践中非常快速和节省空间。
2016-07-22 cs.DS
Optimal Longest Paths by Dynamic Programming
本文提出了一个求解无向赋权图最长路问题的优化算法。通过使用图划分和动态规划,我们得到了一个算法,是显着快于其他国家的最先进的方法。这使我们能够解决以前未解决的问题。
2017-02-14 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
A hardness result and new algorithm for the longest common palindromic subsequence problem
2-LCPS问题,首先由Chowdhury等人[Fundam.通知。,129(4):329-340,2014],要求计算两个给定字符串$A$和$B$之间的最长回文公共子序列(的长度)。我们表明,2-LCPS问题是至少一样难的研究最长的公共子序列问题的四个字符串(4-LCS问题)。然后,我们提出了一个新的算法,解决了2-LCPS问题在$O(σM^2 + n)$时间,其中$n$表示的长度$A$和$B$,$M$表示之间的匹配位置的数量$A$和$B$,和$σ$表示的数量不同的字符出现在$A$和$B$。我们的新算法比Chowdhury等人的算法更快。的稀疏算法时,$σ= o(\log^2n \log\log n)$。
2016-12-22 cs.DS
$O(n \log n)$-time text compression by LZ-style longest first substitution
Mauer等人[A Lempel-Ziv-style Compression Method for Repetitive Texts,PSC 2017]提出了一种混合文本压缩方法,称为LZ-LFS,它具有Lempel-Ziv 77因子分解和最长第一替换的特性。他们表明,与一些最先进的压缩算法相比,LZ-LFS可以对重复文本实现更好的压缩率。Mauer et al.的方法是,他们的LZ-LFS压缩算法在长度为$n$的输入字符串上花费$O(n^2)$时间。在本文中,我们展示了一个更快的LZ-LFS压缩算法,工作在$O(n \log n)$时间。我们还提出了一个更简单的版本的LZ-LFS,可以计算在$O(n)$时间。
2018-06-13 cs.DS
Longest Common Extensions with Recompression
给定长度为$N$的字符串$T$中的两个位置$i$和$j$,最长公共扩展(LCE)查询询问以$i$和$j$开始的后缀之间的最长公共前缀的长度。压缩LCE数据结构是以压缩形式存储$T$同时支持快速LCE查询的数据结构。在这篇文章中,我们表明,再压缩技术是一个强大的工具,压缩LCE数据结构。我们提出了一个新的压缩LCE数据结构的大小$O(z \lg (N/z))$,支持LCE查询在$O(\lg N)$的时间,其中$z$是Lempel-Ziv 77因式分解的大小没有自引用的$T$。给定$T$作为未压缩的形式,我们将展示如何在$O(N)$时间和空间中构建我们的数据结构。给定$T$作为语法压缩形式,即,一个生成$T$的大小为n的直线程序,我们展示了如何在$O(n \lg (N/n))$时间和$O(n + z \lg (N/z))$空间中建立我们的数据结构。我们的算法是确定性的,总是返回正确的答案。
2016-11-21 cs.DS
Quadratic-time Algorithm for the String Constrained LCS Problem
最近提出了求两个主序列的最长公共子序列的问题(STR-IC-LCS)。它是约束最长公共子序列问题的一个变种。由于STR-IC-LCS问题的已知算法都是二次时间算法,本文提出的二次时间算法明显快得多。
2011-06-30 cs.DS
Faster STR-EC-LCS Computation
最长公共子序列(LCS)问题是字符串学中的一个核心问题,它寻找给定的两个字符串$A$和$B$的最长公共子序列。最近,Chen和Chao提出了一组四个约束LCS问题(称为广义约束LCS问题)[J. Comb. Optim,2011]。本文研究了不含子串的约束LCS(STR-EC-LCS)问题。如果$Z$是$A$和$B$中不包含$P$作为子串的最长公共序列之一,则称字符串$Z$是两个给定字符串$A$和$B$(不包括$P$)的STR-EC-LCS。Wang等人提出了一种动态编程解决方案,其在$O(mnr)$时间和空间中计算STR-EC-LCS,其中$m = |A|, n = |B|, r = |P|$ [Inf. Process.信件:2013年]。本文给出了STR-EC-LCS问题的一种新的解法。我们的算法在$O(n|Σ| + (L+1)(m-L+1)r)$时间内计算STR-EC-LCS,其中$|Σ| \leq \min\{m, n\}$表示在$A$和$B$中出现的不同字符的集合,并且$L$是STR-EC-LCS的长度。该算法比用于短/长STR-EC-LCS(即,$L \in O(1)$或$m-L \in O(1)$)的$O(mnr)$ -时间算法更快,并且对于所有情况至少与$O(mnr)$ -时间算法一样有效。
2020-01-16 cs.DS
Longest Common Extensions in Trees
字符串中两个索引的最长公共扩展(LCE)是从这两个索引开始的最长相同子串的长度。LCE问题要求将字符串预处理为支持快速LCE查询的紧凑数据结构。在本文中,我们推广的LCE问题的树,并提出了一些应用LCE树尝试和XML数据库。给定一个大小为$n$的带标签和有根树$T$,目标是将$T$预处理成一个紧凑的数据结构,该结构支持$T$中的子路径和子树之间的以下LCE查询。假设$v_1$、$v_2$、$w_1$和$w_2$是$T$的节点,使得$w_1$和$w_2$分别是$v_1$和$v_2$的后代。\begin{itemize} \item $\LCEPP(v_1, w_1, v_2, w_2)$: (path-path $\LCE$) return the longest common prefix of the paths $v_1 \leadsto w_1$ and $v_2 \leadsto w_2$. \item $\LCEPT(v_1, w_1, v_2)$: (path-tree $\LCE$) return maximal path-path LCE of the path $v_1 \leadsto w_1$ and any path from $v_2$ to a descendant leaf. \item $\LCETT(v_1, v_2)$: (tree-tree $…
2015-07-09 cs.DS
A faster reduction of the dynamic time warping distance to the longest increasing subsequence length
一对时间序列之间的相似性,即,按时间顺序排列的索引值序列,通常由动态时间规整(DTW)距离估计,而不是包括最长公共子序列(LCS)长度和编辑距离在内的已充分研究的度量家族中的任何度量。虽然它可能看起来好像DTW和LCS(类)措施是本质上不同的,我们揭示了DTW距离可以表示的整数序列的最长递增子序列(LIS)的长度,这是整数序列和本身之间的LCS长度排序。对于给定的一对时间序列的长度$n$,使得任何元素之间的相异性是一个整数之间的零和$c$,我们提出了一个整数序列,表示任何子串的子串DTW距离作为其频带子串LIS长度。所产生的整数序列的长度是$O(c n^2)$,对于常数相异度函数,其可以被转换为$O(n^2)$。为了证明LCS(类)措施下开发的技术是直接适用于分析的时间序列,通过我们减少DTW LIS,我们提出了时间有效的算法DTW相关的问题,利用半本地序列比较技术开发的LCS相关的问题。
2022-04-18 cs.DB cs.DS
Faster Algorithms for Longest Common Substring
King’s College London(伦敦国王学院);Max Planck Institute for Informatics(马克斯·普朗克计算机科学研究所);University of Warsaw(华沙大学);Samsung R&D Institute Poland(三星波兰研发中心);CWI, Amsterdam(荷兰数学与计算机科学研究中心);Vrije Universiteit, Amsterdam(阿姆斯特丹自由大学)
针对最长公共子串问题,提出字RAM模型下O(n log σ/√log n)时间的亚线性算法(σ=O(1)时);拓展到k-错配LCS问题,给出O(n log^{k-1/2}n)时间算法,突破n log^k n壁垒。
2025-11-17 cs.DS
Dynamic Longest Common Substring in Polylogarithmic Time
King’s College London(伦敦国王学院);Institute of Computer Science, University of Wrocław(弗罗茨瓦夫大学计算机科学研究所)
研究动态最长公共子串问题,提出在多项式对数时间内处理更新的算法,同时给出数据结构的下界分析。
2026-04-08 cs.DS
Time-Space Trade-Offs for Longest Common Extensions
我们重新审视最长公共扩展(LCE)的问题,也就是说,预处理字符串$T$到一个紧凑的数据结构,支持快速LCE查询。LCE查询采用$T$中的一对$(i,j)$索引,并返回从位置$i$和$j$开始的$T$的后缀的最长公共前缀的长度。我们研究了这个问题的时间-空间权衡,即用于数据结构的空间与回答LCE查询的最坏情况的时间。令$n$为$T$的长度。给定一个参数$τ$,$1 \leq τ\leq n$,我们展示了如何实现$O(\infrac{n}{\sqrtτ})$空间和$O(τ)$查询时间,或$O(\infrac{n}τ)$空间和$O(τ\log({|\LCE(i,j)|}/τ))$查询时间,其中$|\LCE(i,j)|$表示查询返回的LCE的长度。这些边界为LCE问题提供了第一个平滑的权衡,并且当$τ=1$或$τ=n$时,几乎与先前已知的极限相匹配。我们应用的结果,以获得改进的界限的几个应用程序中的LCE问题的计算瓶颈,包括近似字符串匹配和计算回文。我们还提出了一个有效的技术,减少两个字符串的LCE查询一个字符串。最后,我们给出了一个下界的时间-空间积的LCE数据结构中的非均匀细胞探针模型表明,我们的第二个权衡是接近最优的。
2013-04-22 cs.DS
A faster algorithm for efficient longest common substring calculation for non-parametric entropy estimation in sequential data
Mathematical Institute, University of Oxford(牛津大学数学研究所);The University of Western Australia(西澳大学);The University of Adelaide(阿德莱德大学)
针对序列数据非参数熵估计中LCS计算效率低的问题,提出LCSFinder算法,将最坏情况复杂度从立方降至对数线性,并在真实和模拟数据上实现显著加速。
2025-10-15 cs.DS cs.IT math.IT
A Linear-Time $n^{0.4}$-Approximation for Longest Common Subsequence
我们考虑计算两个长度为$n$的字符串的最长公共子序列(LCS)的经典问题。虽然一个简单的二次算法已经知道的问题超过40年,没有更快的算法已被发现,尽管广泛的努力。缺乏进展的问题最近解释了阿布德,Backurs,和Vassilevska威廉姆斯[FOCS'15]和Bringmann和Künnemann [FOCS'15]谁证明了没有次二次算法,除非强指数时间假设失败。这使得社区寻找次二次近似算法的问题。然而,不像编辑距离问题,其中一个常数因子近似在几乎线性的时间是已知的,非常小的进展已经取得了LCS,使其成为一个众所周知的困难的问题,也在近似领域。对于一般的设置,对于任何常数$0 < \varepsilon \le 1$,只有一个运行时间为$\tilde{O}(n^{2-\varepsilon})$的朴素$O(n^{\varepsilon/2})$ -近似算法是已知的。最近,Hajiaghayi、Seddighin、Seddighin和Sun [SODA'19]的突破性结果提供了一种线性时间算法,该算法在预期中产生$O(n^{0.497956})$近似;首次改进了朴素的$O(\sqrt{n})$近似。在本文中,我们提供了一个算法,在时间$O(n^{2-\varepsilon})$计算$\tilde{O}(n^{2\varepsilon/5})$ -近似的概率很高,任何$0 < \va…
2021-06-15 cs.DS
A Space-Efficient Algorithm for Longest Common Almost Increasing Subsequence of Two Sequences
本文研究两个序列的最长公共近似递增子序列问题,提出改进空间复杂度的动态规划算法,并进一步设计在匹配对数量较少时更快的算法。
2025-05-07 cs.DS
Faster STR-IC-LCS computation via RLE
约束LCS问题要求在一定的约束条件下找到两个输入字符串$A$和$B$的最长公共子序列。STR-IC-LCS问题是约束LCS问题的变体,其中解必须包括给定的约束字符串$C$作为子串。给定两个长度分别为$M$和$N$的字符串$A$和$B$,以及一个长度至多为$\min\{M, N\}$的约束字符串$C$,Deorowicz(\em Inf. Process. Lett.},11:423--426,2012),以$O(MN)$时间运行。在这项工作中,我们提出了一个$O(mN + nM)$的时间解决方案的STR-IC-LCS问题,其中$m$和$n$表示的运行长度编码的$A$和$B$的大小,分别。由于$m \leq M$和$n \leq N$总是成立,我们的算法总是与Deorowicz的算法一样快,并且当输入字符串通过RLE可压缩时更快。
2017-03-15 cs.DS
A Fast Randomized Algorithm for Finding the Maximal Common Subsequences
Nokia Bell Labs(诺基亚贝尔实验室);Rutgers University(罗格斯大学)
寻找$L$多个字符串的公共连续性在生物信息学、计算语言学和信息检索领域有许多应用。一个众所周知的结果表明,找到$L$字符串的最长公共子序列(LCS)是NP难的,例如,计算复杂性在$L$中是指数的。在本文中,我们开发了一个随机算法,简称为{ \em Random-MCS},用于寻找多个字符串的最大公共子序列($MCS$)的随机实例。如果将任何字符插入子序列不再产生公共子序列,则公共子序列为{ \em最大}。MCS的一个特殊情况是LCS,其中长度最长。我们表明,我们的算法的复杂性是线性的$L$,因此是适合于大型$L$。此外,我们研究了MCS的单个实例的发生概率,并通过理论和实验研究表明,从{ \em Random-MCS}的多个运行的最长的子序列往往会产生一个解决方案,$LCS$。
2020-09-07 cs.AI cs.CC cs.DS
Replace or Retrieve Keywords In Documents at Scale
在本文中,我们介绍,FlashText算法替换关键字或在给定的文本中找到关键字。FlashText可以在文档中搜索或替换关键字。该算法的时间复杂度不依赖于被搜索或替换的术语的数量。对于长度为N(字符)的文档和M个关键字的字典,时间复杂度将是O(N)。这个算法比正则表达式快得多,因为正则表达式的时间复杂度是O(MxN)。它也不同于Aho Corasick算法,因为它不匹配子串。FlashText被设计为只匹配完整的单词(两边都有边界字符的单词)。对于{Apple}的输入字典,此算法不会将其与'I like Pineapple'匹配。该算法还被设计为首先进行最长匹配。对于字符串“我喜欢机器学习”上的输入字典{Machine,Learning,机器学习},它只会考虑最长的匹配,即机器学习。我们已经在GitHub上开源了这个算法的Python实现,并在许可的MIT许可证下发布。
2017-11-09 cs.DS
Deposition and Extension Approach to Find Longest Common Subsequence for Multiple Sequences
寻找序列集的最长公共子序列是计算机科学中一个非常有趣和具有挑战性的问题。该问题是一个NP完全问题,但由于其重要性,人们提出了许多启发式算法,如长期算法和扩展算法。然而,许多现有的启发式算法的性能恶化迅速时,序列的数量和序列长度的增加。本文提出了一种求解LCS问题的后处理启发式算法--沉积与扩展算法(DEA)。该算法首先通过序列沉积过程生成公共子序列,然后对公共子序列进行扩展。该算法被证明可以产生具有保证长度的公共子序列。实验结果表明,DEA算法的结果优于Long Run和Expansion算法,尤其是在多个长序列上。该算法在时间和空间上都有很高的效率。
2009-06-29 cs.DM cs.DS math.CO
Multivariate Fine-Grained Complexity of Longest Common Subsequence
我们重温了经典的组合模式匹配问题,找到一个最长的共同子序列(LCS)。对于长度为$n$的字符串$x$和$y$,教科书算法在时间$O(n^2)$中求解LCS,但是尽管已经花费了很多努力,但是没有$O(n^{2-\varepsilon})$时间算法是已知的。最近的工作确实表明,这样的算法将反驳强指数时间假设(SETH)[Abboud,Backurs,Vassilevska Williams + Bringmann,Künnemann FOCS'15]。尽管有二次时间的障碍,但40多年来,一个持久的科学兴趣继续为LCS及其变体产生快速算法。特别注意的是识别和利用输入参数,产生强次二次时间算法的特殊情况下的利益,例如,差异文件比较。这条研究路线一直成功地进行到1990年,当时重大的改进停止了。在本文中,使用细粒度复杂性的镜头,我们的目标是(1)证明缺乏进一步的改进和(2)确定是否LCS的某些特殊情况下承认比目前已知的更快的算法。为此,我们对LCS的多变量复杂性进行了系统的研究,并考虑了文献中先前讨论的所有参数:输入大小$n:=\max\{|x|,|y|\}$,较短字符串$m:=\min\{|x|,|y|\}$的长度,$x$和$y$的LCS的长度$L$,删除数$δ:= m-L$和$Δ:= n-L$,字母表大小,以及匹配对$M$和显性对$d$的数量。对于任何一类的实例,通过固定每个参数单独的输…
2018-03-02 cs.CC cs.DS
Lightweight LCP-Array Construction in Linear Time
后缀树是字符串处理中一种非常重要的数据结构,但其占用的空间非常大。在大规模应用中,因此使用压缩后缀树(CST)。CST由三个(压缩)组件组成:后缀数组、LCP数组和用于模拟后缀树上的导航操作的数据结构。LCP-array存储了字典顺序相邻后缀的最长公共前缀的长度,并且可以在线性时间内计算。在本文中,我们提出了新的LCP阵列的建设算法,是快速和非常空间效率。在实践中,我们的算法优于目前最好的算法。
2010-12-20 cs.DS
Fast and Practical DAG Decomposition with Reachability Applications
我们提出了实用的线性和几乎线性时间算法来计算链分解的有向无环图(DAG),$G=(V,E)$。计算的顶点不相交链的数量非常接近最小值。我们的算法的时间复杂度是$O(|E|+c*l)$,其中$c$是路径连接的数目,$l$是图的最长路径的长度。我们在以下章节中对$c$和$l$因子进行了全面的解释。我们的技术在许多领域都有重要的应用,包括设计更快的实用传递闭包算法。我们观察到,$|E_{red}|\leq width*|V|$($E_{red}$:非传递的边缘),并显示如何找到一个相当大的子集$E_{tr}$(传递的边缘)使用链分解在线性时间,而不计算传递的封闭。我们广泛的实验结果表明,在各种模型的图的宽度,$E_{red}$,$E_{tr}$之间的相互作用。我们展示了如何在$O(k_c*|E_{red}|)$时间内计算可达性索引方案,其中$k_c$是链的数量,$|E_{red}|$是非传递边的数量。该方案可以在恒定的时间内回答可达性查询。该方案的空间复杂度为$O(k_c*|V|)$。实验结果表明,我们的方法在实践中甚至比理论上的界限意味着更好,表明如何快速链分解算法可以应用到传递闭包问题。
2022-12-07 cs.DS
Approximating binary longest common subsequence in almost-linear time
最长公共子序列(LCS)是一个基本的字符串相似性度量,计算两个字符串的LCS是一个经典的算法问题。教科书上的动态规划算法给出了二次时间的精确算法,这在合理的细粒度复杂性假设下基本上是最好的,所以一个自然的问题是找到更快的近似算法。当输入是两个二进制字符串时,在线性时间中有一个简单的$\frac{1}{2}$近似:计算最长的公共全0或全1子序列。即使在真正的次二次时间中,是否有可能得到更好的近似值,这一点一直是开放的。Rubinstein和Song证明,在两个输入字符串长度相等的假设下,答案是肯定的。我们解决这个问题,推广他们的结果不等长的字符串,证明,对于任何$\varepsilon>0$,存在$δ>0$和$(\frac{1}{2}+δ)$ -近似算法的二进制LCS运行在$n^{1+\varepsilon}$时间。作为我们的结果和Akmal和Vassilevska-Williams的结果的结果,对于任何$\varepsilon>0$,存在在$n^{1+\varepsilon}$时间上的$q$ -ary字符串上LCS的$(\frac{1}{q}+δ)$ -近似。我们的技术建立在最近的工作Guruswami,他和李谁证明了新的界限容忍删除错误的纠错码。他们证明了一个组合的“结构引理”的字符串分类,他们根据自己的振荡模式。我们证明和使用的算法推广这个结构引理,这可能是独立的利益。
2023-02-09 cs.DM cs.DS math.CO
Optimal Construction of Compressed Indexes for Highly Repetitive Texts
我们提出的算法,给定的输入字符串的长度$n$在整数字母表的大小$σ$,构造的Burrows-Wheeler变换(BWT),置换最长公共前缀(PLCP)阵列,和LZ 77解析在$O(n/\log_σn+r\,{\rm polylog}\,n)$时间和工作空间,其中$r$是运行在BWT的输入。这些是许多压缩索引的基本组成部分,如压缩后缀树,FM索引,语法和基于LZ 77的索引,而且在序列分析和数据压缩中也有许多应用。$r$的值是重复性的常用度量,如果字符串高度重复,则该值明显小于$n$。由于只访问字符串的每个符号需要$Ω(n/\log_σn)$时间,所提出的算法是时间和空间最优的输入满足假设$n/r\inΩ({\rm polylog}\,n)$的重复性。对于这些输入,我们的结果改进了Belazzougui(STOC 2014)和Munro等人(SODA 2017)目前最快的通用算法,这些算法在$O(n)$时间内运行,并使用$O(n/\log_σ n)$工作空间。我们还展示了如何使用我们的技术,以获得最佳的解决方案,对其他基本字符串处理问题的高度重复的数据,如:林登因子分解,运行长度压缩后缀数组的建设,和一些经典的“教科书”的问题,如计算最长的子串发生至少一些固定的次数。
2019-05-20 cs.DS
Faster Space-Efficient STR-IC-LCS Computation
本文研究字符串必须包含 P 为子串的 STR-IC-LCS 问题,提出三种兼顾时间与空间效率的动态规划算法,并给出多种复杂度界。
2024-05-19 cs.DS
Fast and simple algorithms for computing both $LCS_{k}$ and $LCS_{k+}$
最长公共子序列($LCS$)处理两个字符串的相似性度量问题。虽然这个问题已经被分析了几十年,但最近的兴趣源于一个实际的观察,即考虑单个字符往往过于简单化。因此,最近的作品介绍了$LCS$的变种,基于共享的子串的长度正好或至少$k$($LCS_k$和$LCS_{k+}$分别)。用于计算$LCS_k$和$LCS_{k+}$的现有技术算法的主要缺点是它们仅在有限的设置中工作良好:它们或者很好地解决了平均情况,而在病理情况下是次优的,或者它们实现了良好的最坏情况性能,但未能利用输入数据属性来加速计算。此外,这些算法是基于非平凡的数据结构,这从从业者的观点来看是不理想的。我们提出了一个单一的算法来计算$LCS_k$和$LCS_{k+}$,它优于最先进的算法在运行时的复杂性,只需要基本的数据结构。此外,我们实现了一个算法来重建的解决方案,它提供了显着的改善方面的内存消耗。我们的经验验证表明,我们节省了几个数量级的人类基因组数据的内存。我们的算法的C++实现可在https://github.com/google/fast-simple-lcsk上获得
2018-05-24 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
Provably Fast and Space-Efficient Parallel Biconnectivity
UC Riverside(加州大学河滨分校)
本文提出了一种高效且空间节省的并行双连通性算法FAST-BCC,实现了最优工作量和多项式对数跨度,且在多个实际图上均表现最佳。
2026-01-19 cs.DS
Fine-Grained I/O Complexity via Reductions: New lower bounds, faster algorithms, and a time hierarchy
本文从细粒度复杂度(条件多项式下界)的角度出发,对I/O算法(最小化缓存未命中)进行了研究。具体来说,我们的目标是回答为什么稀疏图的问题是如此困难,为什么最长的公共子序列的问题得到了一个因素的高速缓存的大小乘以高速缓存行的长度,但没有更多的节省。我们从复杂性和细粒度复杂性中提取减少和技术,并将其应用于I/O模型,以生成新的(条件)下限以及更快的算法。我们还证明了存在的时间层次的I/O模型,这激励细粒度的减少。使用细粒度的减少,我们给出了一个算法,用于区分2与3的直径和半径,运行在$O(|E|^2/(MB))$缓存未命中,稀疏图,提高了以前的$O(|V|^2/B)$运行时间。我们给出了从半径和直径到Wiener指数和中值的新的约化。我们表现出有意义的减少之间的问题,在RAM模型中的线性时间的解决方案。这些缩减使用低I/O复杂度(通常为$O(n/B)$),因此有助于精确地捕获“I/O线性时间”$Θ(n/B)$和RAM线性时间$Θ(n)$之间的关系。我们生成新的I/O假设的基础上,提高稀疏图问题的运行时间在I/O模型的困难。我们创建的apturtures,目前最知名的算法单源最短路径(SSSP),直径和半径是最佳的。从这些I/O模型假设,我们表明,许多已知的减少字RAM模型可以自然地扩展到保持在I/O模型以及(例如,匹配最佳已知运行时间的最长公共子序列的I/O复杂度的下限)。最后,我们证…
2017-12-05 cs.CC cs.DS
Parallel Longest Increasing Subsequence and van Emde Boas Trees
本文针对并行化最长递增子序列(LIS)的长期挑战,提出一种工作量 $O(n\log k)$、跨度 $\tilde{O}(k)$ 的简单并行算法,并推广到加权 LIS,同时设计了支持并行批量操作的 van Emde Boas 树,实验表明其实现高效可扩展且优于现有方法。
2023-04-17 cs.DC cs.DS
Fully dynamic data structure for LCE queries in compressed space
对长度为$N$的文本$T$的最长公共扩展(LCE)查询要求从给定的两个位置开始的后缀的最长公共前缀的长度。我们表明,大小为$w = O(\min(z \log N \log^* M, N))$的签名编码$\mathcal{G}$ [Mehlhorn等人,198,1997],其可以被看作是$T$的压缩表示,具有在$O(\log N + \log \ell \log^* M)$时间内支持LCE查询的能力,其中$\ell$是查询的答案,$z$是$T$的Lempel-Ziv 77(LZ 77)因子分解的大小,并且$M \geq 4N$是可以在字RAM模型下在恒定时间内处理的整数。在压缩空间中,这在许多情况下是最快的确定性LCE数据结构。此外,可以增强$\mathcal{G}$以支持高效的更新操作:在$O(w f_{\mathcal{A}})$时间中处理$\mathcal{G}$之后,我们可以在$O((y+ \log N\log^* M) f_{\mathcal{A}})$时间中将长度为$y$的任何(子)字符串插入$T$的任意位置/从$T$的任意位置删除任何(子)字符串,其中$f_{\mathcal{A}} = O(\min \{ \frac{\log\log M \log\log w}{\log\log\log M}, \sqrt{\frac{\log w}{\log\log w}} \}…
2016-06-26 cs.DS
Fast Leaf-to-Ancestor Minimum Query in the Oracle Model
HSE University(高等经济大学)
针对带权有根树,在仅允许比较预言机操作权重的模型下,提出一种静态数据结构,通过O(n log h)预处理实现O(1)查询时间,且查询时零预言机调用。
2026-05-26 cs.CC cs.DS
Faster Detours in Undirected Graphs
本文研究无向图中的k-Detour参数化路径问题,提出利用二分划子图约束检测给定长度路径的新方法,将随机化与确定性运行时间分别提升至1.853^k poly(n)和4.082^k poly(n),并推广改进k-Longest Detour算法。
2023-07-04 cs.DM cs.DS
Efficient LZ78 factorization of grammar compressed text
我们提出了一个有效的算法计算LZ78分解的文本,其中的文本表示为一个直线程序(SLP),这是一个上下文无关的语法在乔姆斯基范式,生成一个单一的字符串。给定大小为$n$的SLP表示长度为$N$的文本$S$,我们的算法计算$T$在$O(n\sqrt{N}+m\log N)$时间和$O(n\sqrt{N}+m)$空间中的LZ 78因子分解,其中$m$是产生的LZ 78因子的数量。我们还展示了如何改进算法,使$n\sqrt{N}$长期的时间和空间复杂性成为$nL$,其中$L$是最长的LZ 78因子的长度,或$(N - α)$,其中$α\geq 0$是一个数量,这取决于SLP捕获相对于一定长度的$S$的子串的冗余量。由于$m = O(N/\log_σN)$,其中$σ$是字母表大小,当$σ$是常数时,后者至少与在未压缩字符串上运行的线性时间算法一样快,并且当文本是可压缩的时,即当$m$和$n$很小时,可以更有效。
2012-07-19 cs.DS
Faster Approximation Schemes and Parameterized Algorithms on H-Minor-Free and Odd-Minor-Free Graphs
我们改进的运行时间的一般算法技术称为贝克的方法(1994年)的H-小的自由图从O(n^{f(|H|)})到O(f(|H|)n^{O(1)})。众多的应用程序包括例如2-近似着色和PTASes的各种问题,如支配集和最大割,在那里我们得到类似的改进。在最近受到广泛关注的无奇子图类上,我们得到了Demaine等人(2010)证明的结构分解定理的一个变体的类似加速。我们使用这些算法来获得更快的2-近似,此外,我们提出了第一PTASes和次指数FPT算法的独立集和顶点覆盖这些图形类使用一种新的动态规划技术。我们还介绍了一种技术,以获得(近)次指数参数化算法的H-未成年人的自由图。我们的技术适用于,特别是,问题,如斯坦纳树,(有向)子图的属性,(有向)最长路径,(连通/独立)支配集,在一些或所有适当的小闭图类。我们得到一个推论,所有的问题与一个小单调的次指数内核,并服从我们的技术可以解决在次指数FPT时间的H-未成年人自由图。这导致在二维框架外的次指数参数化算法的一般方法。
2010-04-20 cs.DM cs.DS
Dynamic Time Warping in Strongly Subquadratic Time: Algorithms for the Low-Distance Regime and Approximate Evaluation
动态时间规整距离(DTW)是一种广泛使用的时间序列间距离度量。最著名的算法计算DTW运行在近二次时间,和条件下限禁止存在显着更快的算法。然而,对于DTW很小的特殊情况,下限并不妨碍更快的算法。对于任意度量空间$Σ$,将距离归一化,使得最小非零距离为1,本文给出了一个计算$Σ$上两个字符串$x$和$y$在时间$O(n \cdot \operatorname{dtw}(x, y))$上的$\operatorname{dtw}(x, y)$的算法.我们还提出了一个近似算法,计算$\operatorname{dtw}(x, y)$内的一个因素的$O(n^ε)$在时间$\tilde{O}(n^{2 - ε})$为$0 < ε< 1$。该算法允许字符串$x$和$y$被带到一个任意的良好分离的树度量与对数深度和最多指数纵横比。进一步扩展我们的技术,我们还获得了第一近似算法的编辑距离与字符从任意度量空间,提供了一个$n^ε$近似的时间$\tilde{O}(n^{2 - ε})$,具有很高的概率。此外,我们提出了一个简单的减少从计算编辑距离计算DTW。将我们的约化应用于关于$\{0, 1\}$上的编辑距离的Bringmann和Künnemann的条件下界,我们获得了计算DTW的条件下界超过三个字母的字母表(距离为0和1)。这改进了Abboud,Backurs和Williams之前的结果。使用类似的方…
2019-05-23 cs.DS
Shortest Unique Substring Query Revisited
我们重新讨论了最近由[6]提出的寻找最短唯一子串(SUS)的问题。我们提出了一个最佳的$O(n)$时间和空间的算法,可以找到一个SUS的大小为$n$的字符串的每个位置。我们的算法显着改善了[6]所需的$O(n^2)$时间复杂度。我们还支持找到覆盖每个位置的所有SUS,而[6]中的解决方案只能为每个位置找到一个SUS。此外,我们的解决方案更简单,更容易实现,在实践中也可以更节省空间,因为我们只使用字符串的逆后缀数组和最长公共前缀数组,而[6]中的算法使用字符串的后缀树和其他辅助数据结构。实验结果表明,该算法比文献[6]中的算法速度更快,更节省空间。
2014-01-10 cs.DB cs.DS
Fast and Efficient Matching Algorithm with Deadline Instances
Simons Institute for the Theory of Computing, UC Berkeley(加州大学伯克利分校西蒙斯理论计算研究所);Johns Hopkins University(约翰斯·霍普金斯大学);University of Texas at Austin(德克萨斯大学奥斯汀分校);Rice University(莱斯大学)
针对带截止期的在线加权匹配,本文提出 FastGreedy 与 FastPostponedGreedy,并用草图矩阵将复杂度降至 $\widetilde{O}(ε^{-2}(n+d))$,竞争比仅损失 $1-ε$。
2025-02-17 cs.DS cs.LG
Algorithms for determining transposons in gene sequences
一些基因可以改变它们在基因组中的相对位置。因此,对于同一物种的不同个体,基因的顺序可能是不同的。这种跳跃基因被称为转座子。一个实际问题是确定给定基因序列中的转座子。通过一个直观的规则,我们将确定转座子的生物学问题转化为确定最长共同子序列的严格数学问题。取决于基因序列是否是线性的(每个序列都有一个固定的头和尾)或循环(我们可以选择任意一个基因作为头部,前面的一个是尾部),以及基因是否有多个拷贝,我们将确定转座子的问题分为四种情况:(1)没有重复基因的线性序列;(2)没有重复基因的环状序列;(3)线性重复序列,(4)环状重复序列。在图论的帮助下,我们针对不同的场景设计了快速算法。我们还得到了一些结果,可能是组合数学的理论兴趣。
2022-09-01 cs.CE cs.DS q-bio.GN
Aligning 415 519 proteins in less than two hours on PC
现代测序平台的快速发展使得蛋白质家族数据库的增长前所未有。由数十万个序列组成的集合的丰富性对多序列比对算法是一个巨大的挑战。本文介绍了一种新的渐进式算法FAMSA,该算法可快速、准确地对数千条蛋白质序列进行比对。它的特点包括利用最长的共同子序列测量确定成对的相似性,一种新的方法的差距成本评估,和一个新的迭代细化计划。重要的是,它的实现是高度优化和并行的,以充分利用现代计算机平台。由于上述原因,质量指标,即对和和总列分数,表明FAMSA优于竞争算法,如Clustal Omega或MAFFT,用于超过几千个序列的数据集。该质量不损害时间和存储器要求,其数量级低于现有解决方案。例如,在不到两个小时的时间内分析了415519个序列的家族,并且仅需要8GB的RAM。FAMSA可在http://sun.aei.polsl.pl/REFRESH/famsa上免费获得。
2016-03-22 cs.DS q-bio.GN
Time and Memory Efficient Lempel-Ziv Compression Using Suffix Arrays
众所周知的基于字典的Lempel-Ziv(LZ)77系列算法是几种通用无损压缩技术的基础。这些算法在编码/解码时间和存储器要求方面是不对称的,前者要求更高。在过去的几年中,相当多的注意力已经致力于寻找有效的数据结构,以支持这些搜索的问题,旨在优化编码器的速度和内存。哈希表、二叉搜索树和后缀树已被广泛用于此目的,因为它们允许以牺牲存储器为代价的快速搜索。最近的一些研究集中在后缀数组(SA),由于其低内存需求和线性构造算法。先前的工作已经展示了如何使用单个SA或具有最长公共前缀信息的辅助阵列的SA来计算LZ 77分解。基于SA的算法比基于树的编码器使用更少的内存,分配严格必要的内存量,而不管要搜索/编码的文本的内容。在本文中,我们提出了更快的SA为基础的算法LZ 77编码和子串搜索,保持其低的内存需求,以前的工作进行改进。对于一些压缩设置,在一个大型基准测试文件集上,我们的低内存SA编码器也比基于树的编码器更快。这提供了时间和存储器高效的LZ 77编码,是对像LZMA这样的公知编码器上的树的可能替代。我们的算法也适用于文本分类,因为它提供了一种紧凑的方式来描述文本的词袋表示,以及一个快速的索引机制,允许快速找到所有的单词集,以一个给定的符号开始,在一个静态字典。
2009-12-30 cs.DS cs.IT math.IT
Frontier Space-Time Algorithms Using Only Full Memory
Charles University(查理大学);The School of Data Science(数据科学学院);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
本文提出仅使用全内存的前沿时空算法,解决了有向s-t连通性、编辑距离、最长公共子序列和离散弗雷歇距离问题,改进了催化空间使用并匹配了非催化算法的时间-空间界限。
2026-02-24 cs.CC cs.DS
$D$-ary Bounded-Length Huffman Coding
有效的最佳前缀编码早已通过霍夫曼算法实现。然而,关于霍夫曼问题的变体,仍然有改进和探索的空间。对许多实际应用有用的长度受限霍夫曼编码就是这样一种变体,其中代码被限制为其中没有$n$码字长于给定长度$l_{\max}$的代码集合。二进制长度受限编码可以通过广泛使用的Package-Merge算法在$O(n l_{\max})$时间和O(n)空间中完成。在本文中的包合并的方法是广义的,而不增加复杂性,以引入一个最小的码字长度,$l_{\min}$,允许目标函数以外的预期码字长度的最小化,并适用于二进制和非二进制代码;非二进制代码以前使用较慢的动态规划方法来解决。这些扩展具有各种应用-包括更快的解压缩-并且可以用于解决找到具有有限边缘的最佳代码的问题,即在最长和最短码字之间具有最大差异的代码中找到最佳代码。以前提出的解决这个问题的方法是非多项式时间,而解决这个使用新算法只需要$O(n (l_{\max}- l_{\min})^2)$时间和O(n)空间。
2007-04-17 cs.DS cs.IT math.IT