[論文レビュー] Efficient Approximation Algorithms for Minimum Enclosing Convex Shapes

Ankan Saha, S. V. N. Vishwanathan|arXiv (Cornell University)|Sep 5, 2009

Digital Image Processing Techniques被引用数 5

ひとこと要約

本稿では、d次元空間における最小包含球（MEB）および最小包含凸多面体（MECP）問題に対する効率的な近似アルゴリズムを提示する。非滑らかな最適化と凸双対性を活用することで、MEBはO(nd / √ε)の時間計算量、MECPはO(1/ε)回の反復を達成し、従来のコアセット法やグリーディ法がそれぞれO(nd/ε)またはO(1/ε²)の時間計算量を要するのに対し、性能を向上させた。

ABSTRACT

We address the problem of Minimum Enclosing Ball (MEB) and its generalization to Minimum Enclosing Convex Polytope (MECP). Given n points in a d dimensional Euclidean space, we give a O(nd / √ ɛ) algorithm for producing an enclosing ball whose radius is at most ɛ away from the optimum. In the case of MECP our algorithm takes O(1/ɛ) iterations to converge. In both cases we improve the existing results due to Core-Sets which yield a O(nd/ɛ) greedy algorithm for the MEB and Panigrahy’s algorithm for MECP which takes O(1/ɛ 2) iterations to converge by including the most “violating ” point into its active set at every iteration. All our algorithms borrow heavily from recently developed techniques in non-smooth optimization and convex duality and are in contrast with existing methods which rely on the geometry of the problem. We raise a number of open questions, provide partial answers, and discuss the difficulties in generalizing our algorithms to arbitrary minimum enclosing norm balls. 1

研究の動機と目的

• d次元ユークリッド空間における最小包含球（MEB）および最小包含凸多面体（MECP）問題の、より高速な近似アルゴリズムの開発。
• 特に高次元において性能が著しく低下する、既存のコアセット法やグリーディ法のε精度依存性の限界を克服すること。
• 幾何的直感に依存しない、非滑らかな最適化と凸双対性の技術を活用してアルゴリズムを設計すること。
• パニグラヒのアルゴリズムがO(1/ε²)の反復を要するMECPの収束速度を、双対性に基づく手法でさらに向上させること。
• 本手法を任意の最小包含ノルム球への一般化する可能性を検討すること。

提案手法

• MEBアルゴリズムは、非滑らかな最適化技術を用いて反復的に包含球を改善し、O(nd / √ε)の時間計算量を達成する。
• MECPに対しては、双対性に基づく基準を用いて動的にアクティブ集合を更新することで、O(1/ε)回の反復を実現する。
• 幾何的探索を避けるために、凸双対性を活用して、全探索を伴わずに最も違反度の高い点を効率的に同定する。
• 部分勾配および双対性理論から導かれる最適化の基本的構成要素に焦点を当て、幾何的ヒューリスティクスを回避する。
• コアセットのアイデアを一般化するが、より滑らかな収束メカニズムを用いることで、O(nd/ε)のコストを回避する。
• アルゴリズムはスケーラブルで次元に依存しない設計であり、ε近似の品質に重点を置く。

実験結果

リサーチクエスチョン

• RQ1 非滑らかな最適化技術を用いることで、従来のコアセット法やグリーディ法よりも高速なMEBおよびMECP用のアルゴリズムを設計できるか？
• RQ2 双対性に基づくアクティブ集合更新を用いる場合、MECPの最適な収束速度は何か？
• RQ3 現在の幾何的アプローチが任意のノルム球に一般化できないのはなぜか？欠落している構造的性質は何か？
• RQ4 双対性および最適化理論を用いることで、パニグラヒのアルゴリズムのO(1/ε²)の反復上限を改善できるか？
• RQ5 任意のノルムにおける最小包含球へのこれらの手法の拡張における根本的な制限は何か？

主な発見

• 提案されたMEBアルゴリズムはO(nd / √ε)の時間計算量で実行され、コアセットに基づく手法のO(nd/ε)の境界を改善した。
• MECPアルゴリズムはO(1/ε)回の反復で収束し、パニグラヒのO(1/ε²)の反復回数よりも著しく高速である。
• アルゴリズムは幾何的ヒューリスティクスを回避し、代わりに凸双対性と非滑らかな最適化に依存することで、頑健性とスケーラビリティを実現した。
• 特に高次元設定において、先行研究よりもε依存性が優れている。
• 最適化に基づく手法が、幾何的駆動のアルゴリズムを上回る収束性と計算複雑性を達成できることを示した。
• 本稿では、任意のノルム球への拡張に際しての主な課題を特定し、構造的および双対性の制限を強調した。