압축 문자열 편집 거리 가속을 위한 통합 알고리즘

초록

본 논문은 직선 프로그램(SLP)으로 표현된 두 압축 문자열에 대해 편집 거리를 효율적으로 계산하는 통합 프레임워크를 제시한다. 전체 길이 N 과 SLP 크기 n 에 대해, 유리점수 함수에서는 O(n^{1.4} N^{1.2}) 시간, 임의 점수 함수에서는 O(n^{1.34} N^{1.34}) 시간 복잡도를 달성한다. 이는 기존 Tiskin 알고리즘(O(n N^{1.5}))보다 개선된 결과이며, 사후에 Four‑Russians 기법을 적용해 추가적인 Ω(log N) 속도 향상을 얻는다.

상세 분석

이 논문은 문자열 압축 표현인 Straight‑Line Program(SLP)을 활용해 편집 거리(Edit‑Distance) 계산을 가속화하는 새로운 알고리즘적 통합 체계를 구축한다. SLP는 컨텍스트‑프리 문법의 일종으로, 문자열을 비단말 기호와 생산 규칙들의 트리 구조로 압축한다. 두 문자열 A와 B가 각각 크기 n₁, n₂의 SLP로 주어질 때, 전체 길이 N = |A|+|B|와 압축 크기 n = n₁+n₂를 파라미터로 삼아 시간 복잡도를 분석한다.

핵심 아이디어는 전통적인 동적 계획법(DP) 표를 전체 문자열 길이에 비례해 구성하는 대신, SLP의 파생 트리를 따라 블록 단위로 DP 서브문제를 정의하고, 각 블록 간의 상관관계를 효율적으로 결합하는 것이다. 이를 위해 저자는 “압축 구간 매트릭스”라는 개념을 도입한다. 각 비단말 기호 X에 대해, X가 생성하는 부분 문자열과 다른 문자열의 모든 접두·접미에 대한 편집 거리 값을 미리 계산해 두고, 이를 합성 규칙 X → YZ에 대해 행렬 곱 형태로 결합한다.

유리점수 함수(예: 삽입·삭제·대체 비용이 유리수인 경우)에서는 행렬 곱을 빠른 곱셈 알고리즘(예: Strassen‑type)으로 가속화할 수 있다. 저자는 n^{1.4}·N^{1.2} 시간 복잡도를 얻기 위해, 행렬 차원을 n^{0.4}·N^{0.2} 수준으로 축소하고, 각 단계에서 최적의 곱셈 알고리즘을 적용한다. 반면, 임의 점수 함수에서는 행렬 곱의 구조적 제약이 커져 일반적인 곱셈을 사용해야 하므로, n^{1.34}·N^{1.34}라는 균형 잡힌 복잡도를 도출한다.

이 결과는 Tiskin(2022)의 O(n·N^{1.5}) 알고리즘을 크게 앞선다. Tiskin 방식은 압축 구간을 순차적으로 확장하며 DP 표를 채우는 방식으로, 압축 이득이 크더라도 N에 대한 1.5 차수 의존성을 피할 수 없었다. 본 논문의 접근법은 압축 구조를 활용해 DP 표의 차원을 근본적으로 감소시키므로, N에 대한 지수도 1.2 혹은 1.34 수준으로 낮춘다.

추가적으로, 저자는 고전적인 Four‑Russians 기법을 SLP 기반 프레임워크에 통합한다. Four‑Russians는 DP 표를 작은 블록(크기 t)으로 나누고, 블록 내부 연산을 사전 계산된 테이블로 대체함으로써 O(log N) 정도의 로그‑스케일 가속을 제공한다. 압축된 블록과 결합하면, 임의 점수 함수에서도 전체 복잡도가 O(n^{1.34} N^{1.34}/log N) 수준으로 개선된다.

이 논문은 알고리즘 설계와 복잡도 분석을 체계적으로 제시함으로써, 압축 문자열 간의 편집 거리 계산이 실용적인 수준으로 빠르게 수행될 수 있음을 증명한다. 또한, SLP와 전통적인 DP 기법, 그리고 Four‑Russians와 같은 고전적 가속 기법을 조화롭게 결합한 방법론은 향후 다른 문자열 비교 문제(예: LCS, 정규표현식 매칭)에도 확장 가능성을 시사한다.