[論文レビュー] Cole's Parametric Search Technique Made Practical

Michael T. Goodrich, Paweł Pszona|arXiv (Cornell University)|Jun 13, 2013

Computational Geometry and Mesh Generation参考文献 25被引用数 3

ひとこと要約

この論文は、新たなソーティング変種であるボックスソートと呼ばれる、重み付き比較と確率的保証を用いた、ランダム化された実用的実装を提案する。これにより、複雑な並列ソーティングネットワークの代わりに、コールのパrametric search技術を実装可能にする。重み付き比較と確率的保証を活用することで、この手法はコールの漸近的高速化—$O(n\log n + \log n \cdot C(n))$—を高確率で達成し、効率的で実装可能な幾何最適化アルゴリズムを可能にする。

ABSTRACT

Parametric search has been widely used in geometric algorithms. Cole's improvement provides a way of saving a logarithmic factor in the running time over what is achievable using the standard method. Unfortunately, this improvement comes at the expense of making an already complicated algorithm even more complex; hence, this technique has been mostly of theoretical interest. In this paper, we provide an algorithm engineering framework that allows for the same asymptotic complexity to be achieved probabilistically in a way that is both simple and practical (i.e., suitable for actual implementation). The main idea of our approach is to show that a variant of quicksort, known as boxsort, can be used to drive comparisons, instead of using a sorting network, like the complicated AKS network, or an EREW parallel sorting algorithm, like the fairly intricate parallel mergesort algorithm. This results in a randomized optimization algorithm with a running time matching that of using Cole's method, with high probability, while also being practical. We show how this results in practical implementations of some geometric algorithms utilizing parametric searching and provide experimental results that prove practicality of the method.

研究の動機と目的

• コールのパrametric search最適化の理論的効率性と実装可能性の間の長年のギャップを埋める。
• ソーティングネットワーク（例：AKS）や並列マージソートを用いるパrametric searchシミュレーションにおける複雑さを克服する。
• 決定的で複雑な並列構造をランダム化され、容易に実装可能なソーティングフレームワークに置き換えることで、幾何アルゴリズムにおけるパrametric searchの実用的導入を可能にする。
• コールの手法と同等の漸近的性能を達成する（対数因子を排除する）が、実世界の実装に適した形を保つ。
• ボックスソートがコールの最適化と整合する方法で比較をパイプライン化できることを示し、クイックソートベースのシミュレーションに起因する従来の手法の主要な制限を解消する。

提案手法

• 動的重みを比較に割り当て、深さと解決順序に基づき、優先度の高い比較（重みが高いもの）を最初に解決する。
• 重み付き中央値比較戦略を用いて、各ステップで最も重要なアクティブな比較を解決し、総アクティブ重みを1ラウンドあたり少なくとも1/4減少させる。
• 各レベルの比較が、その先行比較が解決された後のみアクティブ化されるようにアルゴリズムを構造化し、コールの手法と互換性のあるパイプライン化を可能にする。
• モトワニとラガヴァンの確率的終了保証を活用し、ラウンド数に高確率性能バウンドを保証する。
• 各比較が意思決定アルゴリズム $\cal C$ を用いた二分探索によって解決されるパラメトリックサーチフレームワークにボックスソートのシミュレーションを統合し、正しさと効率性を保証する。

実験結果

リサーチクエスチョン

• RQ1 コールのパラメトリックサーチ最適化は、複雑なソーティングネットワークや並列アルゴリズムに依存せずに実用的に実装可能か？
• RQ2 ボックスソートのような単純でランダム化されたソーティングフレームワークを用いて、コールの手法と同等の漸近的性能を達成できるか？
• RQ3 コールの手法が要請する比較のパイプライン化は、ボックスソートのような比較駆動型ソーティングアルゴリズムで効果的にサポート可能か？
• RQ4 パラメトリックサーチにおけるボックスソートの使用は、理論的高速化を維持しながら、実用的で効率的な実装を可能にするか？
• RQ5 提案手法の性能は、実際の幾何最適化問題における既存の実用的パラメトリックサーチ手法と比べてどうか？

主な発見

• 提案手法は高確率で $O(n\log n + \log n \cdot C(n))$ の時間計算量を達成し、コールの手法と同等の漸近的性能を実現する。
• 意思決定アルゴリズム $\cal C$ への呼び出しはたった $O(\log n)$ 回で、対数要因を除いて最適である。
• この手法は確率的に正しく、$b > 0$ であるある $b$ に対して $1 - \exp(-\log^b n)$ の確率で $O\left(\log n\right)$ ラウンドで終了する。これはボックスソートの既知の性質に基づく。
• 従来のクイックソートベースのシミュレーションでは不適合であった比較のパイプライン化を、成功裏に実現し、過去の研究における主要な制限を克服した。
• 付録に掲載された実験結果から、ヴァン・オーストゥームとヴェルトクランプの実用的パラメトリックサーチと同等の性能を示し、より優れた漸近的保証を提供することが分かった。
• 実装は単純かつ実用的であり、理論的に優れたコールの手法を、実世界の幾何アルゴリズム開発に利用可能にする。