[論文レビュー] Euclidean TSP, Motorcycle Graphs, and Other New Applications of Nearest-Neighbor Chains

Nil Mamano, Alon Efrat+6 more|arXiv (Cornell University)|Jan 1, 2019

Computational Geometry and Mesh Generation参考文献 42被引用数 1

ひとこと要約

本稿は、階層的クラスタリングを越えて最近傍鎖（NNC）アルゴリズムの新たな応用を提示し、ユークリッドTSP、スティーナーTSP、マトラスバイクグラフ、ナルシスティックk属性安定マッチング、および1次元幾何集合被覆問題に対して、効率的な解法を達成している。著者らは、グローバルローカル同等性という新しい概念を活用し、互いに最近傍のペア（MNN）を繰り返しマージすることで、グローバルに最も近いペアを探索するのと同じ結果が得られることを示した。これにより、動的最近傍データ構造を用いたNNCのO(n log n)またはO(n^{4/3+ε})の実行時間に基づき、近似的最適または改善された時間計算量が達成可能となる。

ABSTRACT

We show new applications of the nearest-neighbor chain algorithm, a technique that originated in agglomerative hierarchical clustering. We apply it to a diverse class of geometric problems: we construct the greedy multi-fragment tour for Euclidean TSP in $O(n\log n)$ time in any fixed dimension and for Steiner TSP in planar graphs in $O(n\sqrt{n}\log n)$ time; we compute motorcycle graphs (which are a central part in straight skeleton algorithms) in $O(n^{4/3+\varepsilon})$ time for any $\varepsilon>0$; we introduce a narcissistic variant of the $k$-attribute stable matching model, and solve it in $O(n^{2-4/(k(1+\varepsilon)+2)})$ time; we give a linear-time $2$-approximation for a 1D geometric set cover problem with applications to radio station placement.

研究の動機と目的

• 最近傍鎖（NNC）アルゴリズムの適用範囲を階層的クラスタリングを越えて、多様な幾何的および組合せ的問題へ拡張すること。
• グローバルローカル同等性と呼ばれる概念を特定・形式化し、互いに最近傍のペア（MNN）をマージすることで、グローバルに最も近いペアを探索するのと同じ結果が得られることを示すこと。
• ユークリッドTSP、スティーナーTSP、マトラスバイクグラフ、ナルシスティックk属性安定マッチング、1次元幾何集合被覆といった問題に対して、NNCを用いた効率的なアルゴリズムを開発すること。
• MNNが最適解をもたらさない状況、例えば幾何集合被覆の近似アルゴリズムにおいても、NNCを適応可能であることを示すこと。
• 対称的距離が存在しない問題、従来の最近傍構造が使えない問題、あるいは安定マッチングの文脈を除く問題において、NNCを理論的基盤をもって用いることの可能性を確立すること。

提案手法

• クラスタの距離メトリクスの還元可能性を活用し、クラスタの鎖を維持し、繰り返し互いに最近傍のペア（MNN）をマージするNNCアルゴリズムを活用する。
• 従来の最近傍クエリが直接適用できない問題（例：マルチフラグメントTSP）に対応するため、ソフト最近傍（SNN）構造を導入する。
• マトラスバイクグラフのような非対称距離問題に対しても、NNCフレームワークを適応させる。MNNの鎖が依然として正しい解に収束することを示す。
• 鎖の伝搬中に最近傍関係を維持できる、挿入・削除をサポートする動的データ構造を用いる。
• 循環を防ぐために、同値処理ルールと構造的インヴァリアントを用い、鎖の非循環性と正しさを保証する。
• MNNのマージ後も、グローバルローカル同等性により鎖の有効性が保たれることを証明し、主に最近傍クエリのコストが支配的となる線形回数の反復が可能となる。

実験結果

リサーチクエスチョン

• RQ1 最近傍鎖（NNC）アルゴリズムは、幾何最適化や組合せマッチングといった階層的クラスタリングを越えた問題へも適用可能か？
• RQ2 MNNに基づくマージが、多様な問題においてグローバルに最適なペア選択と同じ結果をもたらすという構造的性質「グローバルローカル同等性」は何か？
• RQ3 距離が非対称な問題、例えばマトラスバイクグラフのような問題において、最近傍鎖が直感的に適用できない状況でもNNCを用いることは可能か？
• RQ4 MNNが最適解をもたらさない問題、例えば幾何集合被覆の近似アルゴリズムにおいても、NNCを適応可能か？
• RQ5 距離に基づかない好みを持つ新しい安定マッチングモデル（例：ナルシスティックk属性マッチング）においても、NNCを適用可能か？

主な発見

• NNCアルゴリズムにより、任意の固定次元におけるユークリッドTSPのマルチフラグメントTSPがO(n log n)時間で解かれる。これは従来の手法よりも顕著に向上した。
• 平面グラフにおけるスティーナーTSPに対しては、NNCベースのアルゴリズムがO(n√n log n)の時間計算量を達成し、効率的な最近傍クエリを用いて近似的最適な解を得る。
• 任意のε > 0に対して、動的最近傍データ構造を用いたNNCを用いることで、マトラスバイクグラフの計算にO(n^{4/3+ε})時間で解ける初のアルゴリズムが提示された。
• ナルシスティックk属性安定マッチングの新モデルが導入され、NNCアルゴリズムによりO(n^{2−4/(k(1+ε)+2)})時間で解かれる。これは距離に基づかない好みに対しても適用可能であることを示している。
• 1次元幾何集合被覆問題（例：ラジオ局の配置）に対して、NNCベースのアプローチが線形時間の2近似解法を提供し、貪欲法の最悪ケース性能を改善した。
• 本稿では、グローバルローカル同等性—すなわちMNNのマージがグローバルに最も近いペアの選択と同じ結果をもたらす—が、複数の幾何的および組合せ的問題に共通して成り立つことを確立した。これにより、これらの文脈におけるNNCの適用が正当化された。