[論文レビュー] Using Optimization to Find Maximum Inscribed Balls and Minimum Enclosing Balls

Zeyuan Allen Zhu, Zhenyu Liao+1 more|arXiv (Cornell University)|Dec 2, 2014

Computational Geometry and Mesh Generation参考文献 26被引用数 3

ひとこと要約

本稿では、$d$次元空間における最大内接球（MaxIB）および最小包含球（MinEB）問題の$(1\pm\varepsilon)$近似解を計算する、シンプルでほぼ線形時間の一次最適化アルゴリズムを提示する。幾何的問題を代数的凸最適化問題に再定式化することで、従来の手法よりも高速な実行時間を達成し、MaxIBでは顕著な改善が得られ、MinEBでは同等でより単純なアプローチが可能になった。

ABSTRACT

We study two fundamental problems in computational geometry: finding the maximum inscribed ball (MaxIB) inside a polytope defined by $m$ hyperplanes in a $d$-dimensional space, and finding the minimum enclosing ball (MinEB) of a set of $n$ points in a $d$-dimensional space. We translate both geometry problems into purely algebraic optimization questions, and apply ideas from first-order convex optimizations to obtain simple and nearly-linear-time algorithms. For MaxIB, our algorithm produces a $(1-\varepsilon)$-approximate solution in time $ ilde{O}(m d \alpha / \varepsilon)$, compared to the best known running time $ ilde{O}(m d \alpha^3 / \varepsilon^3)$ of Xie, Snoeyink, and Xu [XSX06], where $\alpha \geq 1$ is the aspect ratio of the polytope. For MinEB, our algorithm produces a $(1+\varepsilon)$-approximate solution in time $ ilde{O}(n d / \sqrt{\varepsilon})$. This result matches the previous best running time, while yielding a simpler algorithm. For both problems, we provide an empirical evaluation showing the improved performance of our algorithms.

研究の動機と目的

• 高次元空間における最大内接球および最小包含球の近似計算のための、より高速で単純なアルゴリズムの開発。
• MaxIBにおける既存手法の計算ボトルネック、特にアスペクト比$\alpha$および$\varepsilon$に依存する高さの解消。
• MinEBの最良既知の実行時間と同等またはそれを上回る性能を達成しつつ、アルゴリズムのアプローチを単純化すること。
• 提案された最適化ベースの手法が従来手法に比べて実際の性能向上を示すことを経験的に検証すること。

提案手法

• MaxIBおよびMinEB問題を代数的表現における凸最適化問題に再定式化し、一次最適化手法の適用を可能にする。
• 再定式化された問題に対して、収束保証を伴う一次凸最適化技術を適用する。
• $(1\pm\varepsilon)$-近似解を達成するために、適切に調整されたステップサイズを用いた射影勾配型手法を用いる。
• 多面体および点集合の構造を活用して、勾配および射影計算のための効率的なオракルクエリを設計する。
• MaxIBの反復回数を$m$、$d$、$\varepsilon$、およびアスペクト比$\alpha$の関数として上限付ける、新しい解析フレームワークを導入する。
• 入力データのスパarsityおよび低次元構造を活用することで、ほぼ線形時間の時間計算量を達成する。

実験結果

リサーチクエスチョン

• RQ1 一次最適化手法は、MaxIBやMinEBのような幾何的問題に効果的に適用可能であり、近似的に線形時間の計算量を達成できるか？
• RQ2 多面体のアスペクト比$\alpha$は、MaxIBアルゴリズムの収束速度および実行時間にどのように影響するか？
• RQ3 より単純なアルゴリズムで、MinEBの最良既知の実行時間と同等の性能を達成しつつ、$(1+\varepsilon)$-近似の品質を維持できるか？
• RQ4 実際の応用において、提案手法は従来手法に比べてどの程度の性能向上を示すか？

主な発見

• 提案されたMaxIBアルゴリズムは、$\tilde{O}(m d \alpha / \varepsilon)$の時間で実行され、Xie, Snoeyink, および Xuが得た既存の最良の$\tilde{O}(m d \alpha^3 / \varepsilon^3)$よりも改善された。
• MinEBに関しては、$(1+\varepsilon)$-近似解を$\tilde{O}(n d / \sqrt{\varepsilon})$の時間で得られ、最良既知の実行時間と一致する。
• 新しいMaxIBアルゴリズムは、$\varepsilon$および$\alpha$に関して多項式的スピードアップを達成しており、特に高精度または高アスペクト比の入力に対して顕著な利点を示す。
• MinEBアルゴリズムは、従来の手法よりも単純でありながら、同じ漸近的実行時間の性能を維持しており、実装性および効率性が向上している。
• 経験的評価により、両方のアルゴリズムが実際の応用において従来手法を上回ることが確認され、特に高次元および大規模な設定で顕著な性能向上が得られた。
• 幾何的問題の代数的再定式化により、一次最適化手法を計算幾何学に適用するための統一的かつモジュラーなフレームワークが可能になった。