[論文レビュー] Building a Balanced k-d Tree in O(kn log n) Time

Russell A. Brown|arXiv (Cornell University)|Oct 20, 2014

Algorithms and Data Compression参考文献 13被引用数 34

ひとこと要約

この論文では、事前に各k次元に沿ってデータをソートし、木の構築中に順序を維持することで、O(kn log n) 時間でバランスの取れたk-d木を構築する新しいアルゴリズムを提示している。中央値探索アプローチとは異なり、繰り返しのソートを回避でき、並列処理が容易になり、低次元空間（≤3D）では従来の手法を上回り、4Dでは同等の性能を示す。

ABSTRACT

The original description of the k-d tree recognized that rebalancing techniques, such as are used to build an AVL tree or a red-black tree, are not applicable to a k-d tree. Hence, in order to build a balanced k-d tree, it is necessary to find the median of the data for each recursive subdivision of those data. The sort or selection that is used to find the median for each subdivision strongly influences the computational complexity of building a k-d tree. This paper discusses an alternative algorithm that builds a balanced k-d tree by presorting the data in each of k dimensions prior to building the tree. It then preserves the order of these k sorts during tree construction and thereby avoids the requirement for any further sorting. Moreover, this algorithm is amenable to parallel execution via multiple threads. Compared to an algorithm that finds the median for each recursive subdivision, this presorting algorithm has equivalent performance for four dimensions and better performance for three or fewer dimensions.

研究の動機と目的

• 特に低次元空間において中央値探索アルゴリズムの非効率性を解消すること。
• 二分探索木（例：AVL、赤黒木）の再平衡化技術がk-d木に適用できないという制限を克服すること。
• 再帰的分割の過程で各次元に沿ったデータ順序を維持することで、再帰的段階での繰り返しソートを排除すること。
• ソートと木構築を分離することで、並列実行を可能にする。
• O(kn log n) の最適な時間計算量を達成するとともに、k ≤ 3 において実用的な性能を向上させること。

提案手法

• 木構築の前段階で、入力データを各k次元に沿って事前にソートする。
• 再帰的分割プロセスの全過程で、すべてのk次元に沿ったデータポイントの順序を維持する。
• 各再帰レベルで事前にソートされたデータの中央値を使用してデータセットを分割し、繰り返しの選択やソートを回避する。
• 事前にソートされた構造を活用し、インデックス追跡によって各レベルで中央値および分割点をO(1)時間で抽出する。
• ソート順序を保持し、効率的な分割と走査を可能にするデータ構造を設計する。
• 初期の事前ソートが完了した後は、部分木を独立して処理できるため、並列実行を可能にする。

実験結果

リサーチクエスチョン

• RQ1 繰り返しの中央値探索処理を排除することで、k-d木構築が高速化できるか？
• RQ2 各次元に沿って事前にデータをソートすることで、各再帰呼び出しにおける中央値探索と比較して、漸近的および実用的性能が向上するか？
• RQ3 提案手法がO(kn log n)の時間計算量を達成しつつ、低次元設定において既存手法よりも効率的か？
• RQ4 ソートと木構築を分離することで、アルゴリズムの並列化はどの程度可能か？
• RQ5 k = 2, 3, 4 の場合に、事前ソートベースの手法と中央値探索法との間で定数要因の観点から性能はどの程度異なるか？

主な発見

• 提案手法は、バランスの取れたk-d木を構築するにあたり、O(kn log n) の時間計算量を達成しており、中央値探索法の理論的上限と一致する。
• k ≤ 3次元の場合、定数要因の低減とより優れたメモリアクセスパターンのおかげで、事前ソート法が中央値探索アルゴリズムを上回る。
• 4次元の場合、事前ソート法の性能は中央値探索アプローチと同等である。
• ソートを木構築の前段階で一度だけ行うため、並列処理に適しており、部分木の独立処理が可能である。
• 各再帰段階での繰り返し選択やソートのオーバーヘッドを回避することで、キャッシュ効率が著しく向上する。
• 論文の実装による実験結果から、2次元および3次元において優れた性能が確認され、実際の実行で顕著な高速化が得られている。