R-enum：在 BWT-runs 有界空间中枚举特征子串

枚举给定字符串中的特征子串（例如，最大重复子串、最小唯一子串和最小缺失词）一直是一个重要的研究课题，因为在字符串处理和计算生物学等各个领域有着广泛的应用。尽管已经提出了几种针对特征子串的枚举算法，但它们在空间上并不高效，因为其空间使用量与输入字符串的长度成正比。近年来，游程编码 Burrows-Wheeler 变换（RLBWT）在字符串处理中引起了越来越多的关注，并开发了各种基于 RLBWT 的算法。然而，开发基于 RLBWT 的特征子串枚举算法仍然是一个挑战。在本文中，我们提出了 r-enum（基于 RLBWT 的枚举），这是第一个基于 RLBWT 的特征子串枚举算法。对于字符串长度 $n$ 和 RLBWT 中的游程数 $r$，R-enum 的运行时间为 $O(n \log \log (n/r))$，工作空间为 $O(r \log n)$ 比特，其中对于高度重复的字符串（即具有许多重复的字符串），$r$ 预期显著小于 $n$。在高度重复字符串的基准数据集上的实验表明，r-enum 的结果比以往的结果更具空间效率。此外，我们通过对 100 个人类基因组的 300 GB 字符串进行实验，展示了 r-enum 对超长字符串的适用性。