Complejidad del espacio para calcular la alineación de cadena óptima para la distancia de edición de Levenshtein


12

Si nos dan dos cadenas de tamaño y n 2 , la Levenshtein cálculo de distancia de edición estándar es mediante un algoritmo dinámico con el tiempo complejidad O ( n 1 n 2 ) y el espacio complejidad O ( n 1 n 2 ) . (Se pueden hacer algunas mejoras en función de la distancia de edición d , pero no suponemos que dn1n2O(n1n2)O(n1n2)ddO(max(n1,n2))

Sin embargo, si desea obtener las ediciones reales de un script de edición óptimo, ¿es posible hacerlo mejor que el uso de memoria , posiblemente a expensas del tiempo de ejecución?O(n1n2)

Respuestas:


15

No hay necesidad de la compensación que sugiere Yuval. La secuencia de edición óptima completa se puede calcular en tiempo y espacio , utilizando una mezcla de programación dinámica y divide y vencerás descrita por primera vez por Dan Hirschberg. ( Un algoritmo de espacio lineal para calcular subsecuencias comunes máximas. Commun. ACM 18 (6): 341–343, 1975.)O ( n + m )O(nm)O(n+m)

Intuitivamente, la idea de Hirschberg es calcular una sola operación de edición a la mitad de la secuencia de edición óptima, y ​​luego calcular recursivamente las dos mitades de la secuencia. Si pensamos en la secuencia de edición óptima como una ruta desde una esquina de la tabla de memorización a la otra, necesitamos una recurrencia modificada para registrar dónde esta ruta cruza la fila central de la tabla. Una recurrencia que funciona es la siguiente:

Half(i,j)={if i<m/2jif i=m/2Half(i1,j)if i>m/2 and Edit(i,j)=Edit(i1,j)+1Half(i,j1)if i>m/2 and Edit(i,j)=Edit(i,j1)+1Half(i1,j1)otherwise

Los valores de pueden calcularse al mismo tiempo que la tabla de distancia de edición , utilizando el tiempo . Como cada fila de la tabla de memorización depende solo de la fila que se encuentra sobre ella, calcular tanto la como la requiere solo espacio .Half(i,j)Edit(i,j)O(mn)Edit(m,n)Half(m,n)O(m+n)

ingrese la descripción de la imagen aquí

Finalmente, la secuencia de edición óptima que transforma las cadenas de entrada en consiste en las secuencias óptimas que transforman en seguido de la secuencia óptima que transforma en . Si calculamos esas dos subsecuencias de forma recursiva, el tiempo de ejecución general obedece a la siguiente recurrencia: No es difícil demostrar queA[1..m]B[1..n]A[1..m/2]B[1..Half(m,n)]A[m/2+1..m]B[Half(m,n)+1..n]

T(m,n)={O(n)if m1O(m)if n1O(mn)+maxh(T(m/2,h)+T(m/2,nh))otherwise
O ( m + n )T(m,n)=O(mn). Del mismo modo, dado que solo necesitamos espacio para un pase de programación dinámica a la vez, el espacio total limitado sigue siendo . (El espacio para la pila de recursión es insignificante).O(m+n)

55
Porque me perdí esto cuando Dan me preguntó en mi examen de calificación, por eso.
Jeffε

Recuerdo haber hecho esto como un ejercicio (guiado) y pensar que era genial
Sasho Nikolov

3

El algoritmo que describe que se ejecuta en el espacio realidad recupera la edición final y el estado justo antes de la edición final. Entonces, si ejecuta este algoritmo veces, puede recuperar toda la secuencia de edición, a expensas de aumentar el tiempo de ejecución. En general, hay una compensación de espacio-tiempo que está controlada por el número de filas que retiene en ese momento. Los dos puntos extremos de esta compensación son el espacio y el espacio , y entre estos, el producto del tiempo y el espacio es constante (hasta el gran O).O ( n 1 + n 2 ) O ( n 1 n 2 ) O ( n 1 + n 2 )O(n1+n2)O(n1+n2)O(n1n2)O(n1+n2)

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.