BWT游程有界空间中的最优时间RLBWT构造

高度重复字符串（即具有大量重复的字符串）的压缩一直是字符串处理中的核心研究课题，迄今为止已提出不少针对这些字符串的压缩方法。其中，一种受到越来越多关注的高效压缩格式是游程长度Burrows–Wheeler变换（RLBWT），它是对输入字符串按后缀字典序进行可逆排列的游程长度编码BWT。最先进的RLBWT构造算法在以下方面存在严重问题：（i）计算时间非最优，或（ii）工作空间与输入字符串长度成线性比例。在本文中，我们提出\emph{r-comp}，首个在BWT游程有界空间中的最优时间RLBWT构造算法。即，对于长度为$n$的输入字符串和BWT中相等字母游程数$r$，r-comp的计算复杂度为$O(n + r \log{r})$时间以及$O(r\log{n})$位工作空间。对于满足$r=O(n/\log{n})$（大多数高度重复字符串满足此性质）的字符串，其计算时间是最优的（即$O(n)$）。使用真实世界高度重复字符串数据集的实验显示了r-comp在计算时间和空间上的有效性。