A partial solution to a problem is called safe if it appears in all solutions to the problem. Motivated by the genome assembly problem in bioinformatics, Tomescu and Medvedev (RECOMB 2016) posed the question of finding the safe walks present in all closed arc-covering walks, and gave a characterization of them (omnitigs). An $O(nm)$-time algorithm enumerating all maximal omnitigs on a directed graph with $n$ nodes and $m$ arcs was given by Cairo et al. (ACM Trans. Algorithms 2019), along with a family of graphs where the total length of maximal omnitigs is $\Theta(nm)$. In this paper we describe an $O(m)$-time algorithm to identify all maximal omnitigs, thanks to the discovery of a family of walks (macrotigs) with the property that all the non-trivial omnitigs are univocal extensions of subwalks of a macrotig. This has several consequences: (i) A linear output-sensitive algorithm enumerating all maximal omnitigs, that avoids to pay $\Theta(nm)$ when the output is smaller, whose existence was open. (ii) A compact representation of all maximal omnitigs, which allows, e.g., for $O(m)$-time computation of various statistics on them. (iii) A powerful tool for finding safe walks for related covering problems.


翻译:问题的部分解决方案如果在所有解决方案中都出现,就被称为安全。 受生物信息学、 托梅斯库和梅德韦杰夫( RECOMB 2016) 的基因组组问题驱动, 提出了在所有封闭的弧覆盖行中找到安全行走的问题, 并给出了这些问题的特征( omnitigs ) 。 $O( nm)- 时间算法, 将所有最大omnitigs都包含在直方向图上, 以 $ndes 和 am arcs( ACM Trans. Algorithms 2019) 提供的属性( ACM Transal. Algorithms 2019) 中, 以及一组图表, 其中最大omnigigs的总长度为$\ Thenta( nm) 。 本文中我们描述一个$( m) $( m) 时间算法, 以识别所有最大omnitiggs( m) 的组合( mcroitigs) 和所有非三( en- trital om) estal eqolational ligig) 的缩缩缩缩缩缩缩缩缩化数据) 。这让A- dal dalalalalalalalalalalalalalal 解算法( Ax) 解算( 。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
零样本文本分类,Zero-Shot Learning for Text Classification
专知会员服务
95+阅读 · 2020年5月31日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
Arxiv
4+阅读 · 2019年2月8日
Arxiv
7+阅读 · 2018年12月26日
Learning to Importance Sample in Primary Sample Space
Arxiv
8+阅读 · 2018年3月17日
Arxiv
3+阅读 · 2018年2月7日
VIP会员
相关VIP内容
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
相关论文
Top
微信扫码咨询专知VIP会员