[論文レビュー] Computing the k Nearest-Neighbors for all Vertices via Dijkstra

Sariel Har-Peled|arXiv (Cornell University)|Jul 26, 2016

Computational Geometry and Mesh Generation参考文献 1被引用数 6

ひとこと要約

この論文では、重み付き有向グラフの各頂点について、修正されたダイクストラ法を用いてk近傍を効率的に計算するアルゴリズムを提示する。n個の並列ダイクストラ実行を、全頂点のk近傍が見つかった時点で早期終了するグローバルプライオリティキューを用いて行うことで、O(k(n log n + m))の時間計算量を達成し、単純なアプローチよりも顕著に高速化される。さらに、O(kn log n + km log k)の時間計算量を持つ決定的バージョンも提供される。

ABSTRACT

We are given a directed graph $G = (V,E)$ with $n$ vertices and $m$ edges, with positive weights on the edges, and a parameter $k >0$. We show how to compute, for every vertex $v \in V$, its $k$ nearest-neighbors. The algorithm runs in $O( k ( n \log n + m ) )$ time, and follows by a somewhat careful modification of Dijkstra's shortest path algorithm. This result is probably folklore, but we were unable to find a reference to it -- thus, this note.

研究の動機と目的

• 重み付き有向グラフの各頂点について、一貫したアルゴリズムを用いてk近傍を計算すること。
• 各頂点から独立してダイクストラを実行するナイーブなアプローチ（O(kn(n log n + m))の時間計算量）を改善すること。
• 正しさと効率性を保ちながら、全ソース頂点間で計算を共有する方法を設計すること。
• 時間計算量の上限が保証された確率的および決定的バージョンの両方を提供すること。
• アルゴリズムが全頂点だけでなく、特定の端末集合（例：T ⊆ V）からのk近傍計算に適応可能であることを示すこと。

提案手法

• 各頂点から1つのダイクストラ実行を並列に実行し、全リラクゼーションイベントを管理するグローバル最小ヒープを用いる。
• 各ヒープエントリは三つ組み (頂点, ソース, 距離) であり、どのダイクストラ実行に属するかを示す。
• 各頂点vに対して、現在までに見つかったk個の近傍を追跡するデータ構造（ハッシュテーブルまたは平衡二分探索木）を維持する。
• 頂点vがグローバルヒープから抽出された際、そのk個の近傍がまだ見つかっていない場合、ソースsをvの近傍集合に追加し、vの出隣接辺をすべてそのソース用にリラックスする。
• 頂点vがk個の近傍を取得した時点で、vの処理を無効化し、そのローカルキューをグローバルヒープから削除する。
• 各頂点vに対して、各ソースsからの最小距離を保持するローカルキューQ_vを用意し、最小値が変化した場合にのみグローバルヒープを更新する。

実験結果

リサーチクエスチョン

• RQ1 重み付き有向グラフの全頂点について、各頂点から独立してダイクストラを実行するのではなく、より効率的にk近傍を計算できるか？
• RQ2 正しさを保ちつつ、重複作業を最小限に抑えるために、複数のダイクストラ実行間で計算を最適に共有する方法は何か？
• RQ3 確率的バージョンに比べてわずかなオーバーヘッドで、決定的バージョンにできるか？
• RQ4 アルゴリズムはk、n、mに対してどのようにスケーリングするか？また、特定の頂点集合（例：端末）からのk近傍計算に適応可能か？
• RQ5 各頂点ごとに早期終了を行う共有マルチソースダイクストラに基づくアプローチの理論的時間計算量は何か？

主な発見

• グローバルヒープと早期終了を用いることで、全頂点のk近傍をO(k(n log n + m))の時間計算量で正しく計算可能である。
• 確率的バージョンは、近傍探索をガイドするランダムサンプリングを用いることで、高確率で同じ時間計算量を達成する。
• 決定的バージョンではハッシュテーブルを平衡二分探索木に置き換えることで、時間計算量がO(kn log n + km log k)に増加する。
• 各頂点がk個の近傍を発見するまで、すべての関連するダイクストラ実行の文脈で処理されることを保証することで、正しくk近傍を維持している。
• この方法は自然に、同じ時間計算量で頂点集合T ⊆ Vからのk近傍計算に拡張可能である。
• k個の近傍が見つかった頂点は以降処理を無効化することで、重複するリラクゼーション操作を回避し、総処理回数をO(km)に削減している。