Інтервальні дерева: Швидке знаходження будь-якого перекриття часових проміжків

Проблема перекриптування та чому грубе обчислення не працює

Інтервал – це просто діапазон з початком і кінцем, наприклад, зустріч з 14:00 до 15:00, геномна область, що охоплює певні позиції базових пар, або сегмент вздовж лінії в геометричній моделі. Основне питання, яке вирішує дерево інтервалів, полягає в тому, щоб для заданого запитуваного інтервалу або окремої точки визначити, які з збережених інтервалів перекриваються з ним. Це здається простим, і для невеликої кількості інтервалів це так. Найпростіше підхід – пройтися по кожному збереженому інтервалу один за одним і перевірити, чи перекривається він із запитом. Це займає час пропорційний загальній кількості інтервалів, тобто n, для кожного запиту, оскільки немаєshortcut: кожен інтервал повинен бути індивідуально перевірений незалежно від того, як дані організовані в пам’яті. Якщо система календарів зберігає тисячі зустрічей і потрібно перевіряти конфлікти кожного разу, коли пропонують нову зустріч, або біоінформаційний інструмент повторно запитує мільйони геномних ознак, ця лінійна вартість часу на запит стає серйозним вузьким місцем. Неефективність полягає не в тому, що окремий перевірка дорога, а в тому, що немає способу одночасно виключити великі групи інтервалів. Грубе обчислення розглядає кожен інтервал як рівноцінний для перевірки, навіть якщо більшість з них ніяк не пов’язані із запитом. Саме тут розумніша структура пошуку на основі дерева виправдана, оскільки вона може одночасно усунути цілі групи кандидатів без їх індивідуального дослідження.

Розширення бінарного пошукового дерева за допомогою максимальних точок завершення

Дерево інтервалів починається з чогось знайомого: стандартне бінарне пошукове дерево. Кожен вузол містить один інтервал, і дерево відсортовано за початковою точкою інтервалу, точно так само, як звичайне BST відсортовано за одним ключем. Це саме по собі дозволить вам швидко знаходити інтервали з певною початковою точкою, але це не допоможе знайти перетини, оскільки два інтервали можуть перетинатися навіть тоді, коли їхні початкові точки далеко рознесені в порядку сортування. Ключова хитрості – це доповнення: кожен вузол додатково позначений максимальною точкою завершення, яка знаходиться будь-де у всьому його піддереві, а не лише кінцевою точкою інтервалу цього вузла. Це означає, що вузол біля кореня може зберігати відносно короткий інтервал свого власного, але позначення max-endpoint може відображати набагато довший інтервал, занурений глибоко серед його нащадків. Підтримка цієї позначення є дешевою. Коли вставлено або видалено вузол, значення max-endpoint вздовж ураженого шляху можна перерахувати, порівнюючи кінцеву точку власного вузла з значеннями max-endpoint двох його дітей і приймаючи найбільше з трьох. Ця додаткова кількість на вузол перетворює звичайне бінарне пошукове дерево на структуру, яка може ефективно відповідати запитам про перетини, оскільки вона піддає увагу, здалеку з погляду, чи варто взагалі спускатися в піддерево.

Приріст: Пропускання піддерев, які не можуть перетинатися

Максимальна позначка кінця отримує свою цінність під час пошуку. Під час пошуку інтервалів, які перетинаються з запитом, алгоритм проходить деревом від кореня і на кожному вузлі приймає рішення про те, чи досліджувати ліве піддерево, праве піддерево, обидва або жодного. Ключове правило приріст полягає в наступному: якщо максимальна кінцева точка піддерева менша за початкову точку запиту, то ніякий інтервал будь-де в цьому піддереві не може перетинатися з запитом, оскільки кожен інтервал у цьому піддереві закінчується до того, як запит навіть починається. Уся структура піддерева, незалежно від її розміру, може бути пропущена в одному порівнянні, без відвідування жодного з її вузлів. Це фундаментально відрізняється від грубої сили, де кожен інтервал повинен бути перевірений індивідуально. Тут один погляд на позначку може одночасно виключити тисячі інтервалів. На кожному вузку алгоритм також перевіряє, чи сам інтервал поточного вузла перетинається з запитом, і повідомляє про це, перш ніж вирішувати, які діти варті дослідження на основі їхніх початкових точок та значень максимальної кінцевої точки. Комбінація BST-порядкування за початковою точкою та правила приріст означає, що пошук завжди досліджує лише ті частини дерева, які можуть містити відповідність. Все інше відкидається рано, що і є тим, що робить структуру швидкою навіть тоді, коли велика кількість збережених інтервалів зростає дуже великою.

Час Запиту: Логарифмічний Пошук Плюс Знайдені Перетини

Оскільки дерево інтервалів побудоване на збалансованому бінарному пошуковому дереві, його висота пропорційна логарифму кількості збережених інтервалів, написаного log n у прозі. Спуск від кореня до листка, приймаючи рішення про обрізку вздовж шляху, займає час пропорційний цій висоті. Крім того, алгоритм також потребує часу для звітування кожного знайденого перетину, оскільки кожен збіг повинен бути відвіданий і повернутий виклику. Об'єднавши ці дві частини, загальний час запиту пропорційний log n плюс кількість фактичних перетинів, які були знайдені. Це драматичне поліпшення порівняно з вартістю грубої сили перевірки всіх інтервалів n для кожного запиту, особливо коли набір запитів великий, але фактична кількість перетинів для типового запиту невелика. Навіть якщо існує багато перетинів і всі вони повинні бути повідомлені, дерево все ще уникає витрат зусиль на величезну частину збережених інтервалів, які не мають жодного відношення до запиту взагалі. Вставлення та видалення також виконуються за час, пропорційний log n, оскільки їм потрібно лише оновити позначки крайніх точок вздовж одного шляху від кореня до листка, що робить дерево інтервалів практичним вибором не тільки для статичних колекцій, але й для наборів інтервалів, які часто змінюються, таких як календар, де зустрічі постійно додаються, переміщуються та скасовуються.

Приклад Робочої Розробки та Практичні Застосування

Уявіть шість інтервалів, які зберігаються в дереві і відсортовані за початковою точкою: (15,20), (10,30), (17,19), (5,11), (4,8) та (21,23). Дерево підтримує позначення максимальної кінцевої точки на кожному вузлі, тому вузол, який охоплює (15,20), може мати піддерево з максимальною кінцевою точкою 30, що відображає інтервал (10,30), занушений під ним. Припустимо, запит стосується точки 22. Починаючи з кореня, пошук перевіряє, чи перетинається (15,20) з 22, що не так, потім переглядаються ліві та праві дочірні вузли. Якщо максимальна кінцева точка піддерева дитини менша за 22, то все це гілку відразу обрізають. Дотримуючись гілки, що містить (10,30) і (21,23), пошук знаходить, що (21,23) перетинається з 22 та повідомляє про це, тоді як гілки, засновані на інтервалах, таких як (4,8), пропускаються в момент порівняння їхньої максимальної кінцевої точки, 8, із запитовою точкою і виявлено, що вона занадто мала, щоб мати значення. Лише невелика кількість вузлів коли-небудь відвідується, не всі шість. Ця ж схема значно масштабується на практиці. Програмне забезпечення для календаря та планування використовує інтервальні дерева для миттєвого виявлення конфліктів бронювання між тисячами зустрічей. Інструменти біоінформатики покладаються на них, щоб знаходити кожен ген, екзон або регуляторний регіон, який перетинається з нещодавно послідовним геномічним сегментом серед мільйонів позначених ознак. Алгоритми обчислювальної геометрії використовують інтервальні дерева для виявлення перекриваючихся сегментів або контейнерних коробок ефективно, що є важливим для виявлення зіткнень та просторового індексування в системах графіки та моделювання симуляцій.

Frequently asked questions

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Interval Trees: Finding Every Overlapping Time Range Instantly і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.