Véges szavak általánosított részszó-bonyolultsága

Átírás

1 Véges szavak általánosított részszó-bonyolultsága KÁSA Zoltán Sapientia Erdélyi Magyar Tudományegyetem Kolozsvár Marosvásárhely Csíkszereda Matematika-Informatika Tanszék, Marosvásárhely Budapest, szept. 9 Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 1 / 30

2 Értelmezések Értelmezés Legyenek n, d 1, d 2 és s pozitív egész számok, és u = x 1 x 2... x n Σ n egy Σ ábécé feletti szó. A v = x i1 x i2... x is szó, ahol i 1 1, d 1 i j+1 i j d 2, ha j = 1, 2,..., s 1, i s n, az u szó s hosszúságú (d 1, d 2 )-részszava. Például, az aabcade szóban a (2, 4)-részszavak: a, ab, ac, aba, aa, acd, abd, aae, abae, ace, abe, ad, b, ba, bd, bae, be, c, cd, ce, ae, d, e. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 2 / 30

3 Értelmezés Egy adott szó összes, egymástól különböző (d 1, d 2 )-részszavának számát az adott szó (d 1, d 2 )-bonyolultságának nevezzük. d 1 = 1 A. Iványi, On the d-complexity of words, Annales Univ. Sci. Budapest., Sect. Computatorica, 8 (1987) Z. Kása, On the d-complexity of strings, Pure Math. Appl., 9, 1 2 (1998) d 2 = n 1 Z. Kása, Super-d-complexity of finite words, 8th MaCs, Komárno, July 14 17, Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 3 / 30

4 Definitions Let Σ be an alphabet, Σ n the set of all n-length words over Σ, Σ the set of all finite word over Σ. Definition Let n, d and s be positive integers, and u = x 1 x 2... x n Σ n. A d-subword of length s of u is defined as v = x i1 x i2... x is where i 1 1, 1 i j+1 i j d for j = 1, 2,..., s 1, i s n. u = bear 2-subwords: b, e, a, r be, ba, ea, er, ar bea, ber, bar, ear bear Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 4 / 30

5 Definition Let n, d and s be positive integers, and u = x 1 x 2... x n Σ n. A super-d-subword of length s of u is defined as v = x i1 x i2... x is where i 1 1, d i j+1 i j < n for j = 1, 2,..., s 1, i s n. u= abcdef super-2-subwords: a, ac, ad, ae, af, ace, acf, adf, b, bd, be, bf, bdf, c, ce, cf, d, df, e, f Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 5 / 30

6 Definition The super-d-complexity of a word is the number of all its different super-d-subwords. u= abcdef super-2-subwords: a, ac, ad, ae, af, ace, acf, adf, b, bd, be, bf, bdf, c, ce, cf, d, df, e, f The super-2-complexity of this word is 20. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 6 / 30

7 Super-d-complexity of rainbow words Words with different letters are called rainbow words. The super-d-complexity of an n-length rainbow word: S(n, d). Let us denote by b n,d (i) the number of super-d-subwords which begin in the position i in an n-length rainbow word. u=abcdef b 6,2 (1) = 8: a, ac, ad, ae, af, ace, acf, adf b 6,2 (2) = 5, b 6,2 (3) = 3, b 6,2 (4) = 2, b 6,2 (5) = 1, b 6,2 (6) = 1. b n,d (i) = 1 + b n,d (i +d) + b n,d (i +d +1) + + b n,d (n), for n > d, 1 i n d, b n,d (1) = 1 for n d. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 7 / 30

8 The super-d-complexity of rainbow words can be computed by the formula: S(n, d) = This can be expressed also as n b n,d (i). i=1 n S(n, d) = b k,d (1), k=1 because of the formula S(n + 1, d) = S(n, d) + b n+1,d (1). In the case d = 1 the complexity S(n, 1) can be computed easily: S(n, 1) = 2 n 1. This is equal to the n-complexity of n-length rainbow words. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 8 / 30

9 Computing super-d-complexity of rainbow words by recursive algorithms by mathematical formulas by graph algorithms Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept. 9 9 / 30

10 Computing super-d-complexity by recursive algorithms for k 1 to n do b k 1 B(n, d, i) B(n, d, i) 1 p 1 2 for k i + d to n 3 do if b k = 1 4 then B(n, d, k) 5 p p + b k 6 b i p 7 return B(8, 2, 1): b 7 = 1, b 8 = 1, b 5 = 3, b 6 = 2, b 3 = 8, b 4 = 5, b 1 = Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

11 Lemma b n,2 (1) = F n, where F n is the nth Fibonacci number. Theorem S(n, 2) = F n+2 1, where F n is the nth Fibonacci number. Let us denote by M n,d = b n,d (1), M n,d = M n 1,d + M n d,d, for n d 2, M 0,d = 0, M 1,d = 1,..., M d 1,d = 1. Let us name this sequence d-middle sequence. Because of the M n,2 = F n equality, the d-middle sequence can be considered as a generalization of the Fibonacci sequence. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

12 The next algorithm computes M n,d, by using an array M 0, M 1,..., M d 1 to store the necessary previous elements: MIDDLE(n, d) 1 M for i 1 to d 1 3 do M i 1 4 for i d to n 5 do M i mod d M (i 1) mod d + M (i d) mod d 6 print M i mod d 7 return Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

13 Using the generating function M d (z) = n 0 M n,d z n, the following closed formula results: M d (z) = z 1 z z d. This can be used to compute the sum s n,d = n M i,d, which is the n=1 coefficient of z n+d in the expansion of the function z d 1 z z d 1 1 z = z d 1 z z d + z 1 z z d z 1 z. So s n.d = M n+(d 1),d + M n,d 1 = M n+d,d 1. Therefore n M i,d = M n+d,d 1. i=1 Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

14 Theorem S(n, d) = M n+d,d 1, where n > d and M n,d is the nth elements of d-middle sequence. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

15 Computing super-d-complexity by mathematical formulas Theorem S(n, d) = k 0 ( n (d 1)k k + 1 ), for n 2, d 1. Theorem b n+1,d (1) = k 0 ( n (d 1)k k ), for n 1, d 1. ( ) n (d 1)k = k + 1 k 0 and from this n ( i 1 (d 1)k k i=1 k 0 n ( ) ( ) i 1 (d 1)k n (d 1)k = k k + 1 i=1 Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30 ),

16 Latin négyzet L = a b d c 0 ab 0 ad ba 0 0 bd ca cb 0 cd 0 0 dc 0 L = 0 b 0 d a 0 0 d a b 0 d 0 0 c 0 Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

17 L (2) = L (3) = L (4) = 0 0 adc abd 0 0 bdc bad { } cad cba cab 0 cbd dca dcb adcb abdc 0 bdca 0 badc 0 { } cbad cabd dcba dcab 0 0 { } adcba abdca { } bdcab badcb { } cbadc cabdc { dcbad dcabd } Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

18 Az L 3 elemei szerint a gráfban 8 Hamilton-út van, L 4 szerint pedig két Hamilton-kör (a mátixban ezek mindegyike négyszer jelenik meg, hisz egy kör bármelyik csúccsal kezdődhet). a b d c adcba, abdca Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

19 Computing super-d-complexity by graph algorithms G = (V, E), with V = { a 1, a 2,..., a n }, E = { (a i, a j ) j i d, i = 1, 2,..., n, j = 1, 2,..., n }. a b c d e f Graph for super-2-subwords when n = 6. The adjacency matrix A = ( a ij ) a ij = { 1, if j i d, 0, otherwise, i=1,n j=1,n of the graph is defined by: for i = 1, 2,..., n, j = 1, 2,..., n. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

20 R = I + A + A A k, where A k+1 = O (the null matrix). The super-d-complexity of a rainbow word is then n n S(n, d) = r ij. i=1 j=1 Matrix R can be better computed using a variant of the well-known Warshall algorithm: WARSHALL(A, n) 1 W A 2 for k 1 to n 3 do for i 1 to n 4 do for j 1 to n 5 do w ij w ij + w ik w kj 6 return W From W we obtain easily R = I + W. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

21 A = After applying the Warshall algorithm: W = , R = and then S(6, 2) = 20, the sum of elements in R Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

22 The Warshall algorithm combined with the Latin square method can be used to obtain all nontrivial (with length at least 2) super-d-subwords of a given n-length rainbow word a 1 a 2 a n. Let us consider a matrix A with the elements A ij which are set of strings. Initially this matrix is defined as: A ij = { {ai a j }, if j i d,, otherwise, for i = 1, 2,..., n, j = 1, 2,..., n. If A and B are sets of strings, AB will be formed by the set of concatenation of each string from A with each string from B: AB = { ab a A, b B }. If s = s 1 s 2 s p is a string, let us denote by s the string obtained from s by eliminating the first character: s = s 2 s 3 s p. Let us denote by A ij the set A ij in which we eliminate from each element the first character. In this case A is a matrix with elements A ij. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

23 Starting with the matrix A defined as before, the algorithm to obtain all nontrivial super-d-subwords is the following: WARSHALL-LATIN(A, n) 1 W A 2 for k 1 to n 3 do for i 1 to n 4 do for j 1 to n 5 do if W ik and W kj 6 then W ij W ij W ik W kj 7 return W The set of nontrivial super-d-subwords is i,j {1,2,...,n} W ij. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

24 For n = 8, d = 3 the initial matrix is: {ad} {ae} {af } {ag} {ah} {be} {bf } {bg} {bh} {cf } {cg} {ch} {dg} {dh} {eh}. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

25 The result of the algorithm in this case is: {ad} {ae} {af } {ag, adg} {ah, adh, aeh} {be} {bf } {bg} {bh, beh} {cf } {cg} {ch} {dg} {dh} {eh}. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

26 The general case In the general case for any word w Σ, let us denote the super-d-complexity by S w (d). We have w S w (d) S( w, d), d where w is the length of w. The minimal value is obtained for a trivial word w = a... a, and the maximal one for a rainbow word. The algorithm WARSHALL-LATIN can be used for nonrainbow words too, with the remark that repeating subwords must be eliminated. For the word aabbbaaa and d = 3 the result is: aa, ab, aba, ba. (nontrivial subwords only) Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

27 w S w (2) Max S w (2) is 7. Let us denote by f (m, n, d) the maximal value of the super-d-complexity of all words of length n over an alphabet of m letters: f (m, n, d) = max w Σ n m = Σ ( ) S w (d). Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

28 Theorem f (2, n, n 1) = 3 for n 3. f (2, n, n 2) = 5 for n 4. n If d n 3 then f (2, n, d) = 6 for n 6. 2 ( If n is even, then f 2, n, n 2 ) = 10 for n 6. 2 ( If n is odd, then f 2, n, n 1 ) = 7 for n 5. 2 Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

29 f (2, n, 2) = f (2, n 1, 2) + f (2, n 2, 2) f (2, n 4, 2) for n 7. Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30

30 W. Ebeling, R. Feistel, Physik der Selbstorganisation und Evolution, Akademie-Verlag, Berlin, C. Elzinga, S. Rahmann, H. Wung, Algorithms for subsequence combinatorics, Theor. Comput. Sci., 409, 3 (2008) C. H. Elzinga, Complexity of categorial time series, Sociological Methods & Research, 38, 3 (2010) O. G. Troyanskaya, O. Arbell, Y. Koren, G. M. Landau, A. Bolshoy, Sequence complexity profiles of prokaryotic genomic sequences: A fast algorithm for calculating linguistic complexity, Bioinformatics, 18, 5 (2002) N. J. A. Sloane, The on-line encyclopedia of integer sequences, njas/sequences/ Kása Z. (EMTE) Általánosított részszó-bonyolultság Budapest, szept / 30