[논문 리뷰] Bringing Order to Special Cases of Klee's Measure Problem

Karl Bringmann|arXiv (Cornell University)|2013. 01. 30.

Computational Geometry and Mesh Generation참고 문헌 15인용 수 4

한 줄 요약

이 논문은 Klee의 측정 문제(KMP)의 특수 케이스들 사이의 체계적인 계층을 새로운 감소 기법을 통해 수립하여, 초체적량(Hypervolume)이 가장 쉬운 변종임을 증명하고, 큐브-KMP와 유닛큐브-KMP의 런타임이 다항식적으로 관련되어 있음을 보였다. 핵심적으로, 일반 KMP에 대해 런타임 $ T(n,d) $ 인 알고리즘이 존재할 경우, 일반 케이스에 대해 런타임 $ T(n,2d) $ 인 알고리즘이 존재함을 보여주며, 이는 Exponential Time Hypothesis 하에서 $\textup{W}[1]$-난이도와 날카로운 하한값을 모든 특수 케이스로 이전시킨다.

ABSTRACT

Klee's Measure Problem (KMP) asks for the volume of the union of n axis-aligned boxes in d-space. Omitting logarithmic factors, the best algorithm has runtime O*(n^{d/2}) [Overmars,Yap'91]. There are faster algorithms known for several special cases: Cube-KMP (where all boxes are cubes), Unitcube-KMP (where all boxes are cubes of equal side length), Hypervolume (where all boxes share a vertex), and k-Grounded (where the projection onto the first k dimensions is a Hypervolume instance). In this paper we bring some order to these special cases by providing reductions among them. In addition to the trivial inclusions, we establish Hypervolume as the easiest of these special cases, and show that the runtimes of Unitcube-KMP and Cube-KMP are polynomially related. More importantly, we show that any algorithm for one of the special cases with runtime T(n,d) implies an algorithm for the general case with runtime T(n,2d), yielding the first non-trivial relation between KMP and its special cases. This allows to transfer W[1]-hardness of KMP to all special cases, proving that no n^{o(d)} algorithm exists for any of the special cases under reasonable complexity theoretic assumptions. Furthermore, assuming that there is no improved algorithm for the general case of KMP (no algorithm with runtime O(n^{d/2 - eps})) this reduction shows that there is no algorithm with runtime O(n^{floor(d/2)/2 - eps}) for any of the special cases. Under the same assumption we show a tight lower bound for a recent algorithm for 2-Grounded [Yildiz,Suri'12].

연구 동기 및 목표

• Klee의 측정 문제의 주요 특수 케이스인 큐브-KMP, 유닛큐브-KMP, 초체적량, $k$-그라운디드의 상대적 복잡도를 명확히 하기 위해.
• 알고리즘 감소를 통한 이러한 특수 케이스들 사이의 공식적 계층 수립을 위해.
• 일반 KMP로부터 특수 케이스들로의 난이도 결과를 이전하여, Exponential Time Hypothesis 하에서 $ n^{o(d)} $ 알고리즘이 존재하지 않음을 증명하기 위해.
• 특정 알고리즘에 대해 날카로운 하한값을 제공하기 위해, 특히 2-그라운디드에 대한 $ \mathcal{O}(n^{(d-1)/2}\log^2 n) $ 알고리즘을 위해.
• KMP 및 그 변종의 복잡도에 관한 열린 문제를 규명하기 위해, 특히 최적의 런타임 지수와 일반화 문제에 대해.

제안 방법

• 일반 KMP에서 $ 2k $-그라운디드 인스턴스로의 감소를 통해, $ k $-그라운디드에 대해 런타임 $ T(n,d) $ 인 알고리즘이 일반 KMP에 대해 런타임 $ T(n,2d) $ 인 알고리즘을 유도함을 보였다.
• 각 차원에서 반복적인 좌표 기반 분할을 통해 KMP 인스턴스를 $ 2d+1 $개의 더 작은 $ k $-그라운디드 인스턴스로 분해하며, 각각의 인스턴스에선 최대 $ (1 - \alpha)n $개의 상자만 포함된다.
• 모든 차원에서 상자가 동일한 상자 $[a_1,b_1] \times \cdots \times [a_d,b_d]$ 와 일치하는 경우에만 부피 기여가 가능하므로, 나머지 인스턴스를 단순화할 수 있음을 활용하였다.
• 크기 파rameter를 증폭시키기 위해 감소를 재귀적으로 적용하여, 재귀 관계를 통해 渐近적 런타임 하한값을 유도하였다.
• 재귀 관계 $ T_{\textsc{$k$-Grounded}}'(n,d) \leqslant \mathcal{O}(T_{\textsc{$k$-Grounded}}((1-\alpha)n,d)) $ 수립을 통해, 일반 문제의 런타임을 $ k $-그라운디드의 런타임으로 바ounds할 수 있도록 하였다.
• $ k $-클리크에서의 감소를 통한 KMP의 $ \textup{W}[1] $-난이도를 활용하여, Exponential Time Hypothesis 하에서 어떤 특수 케이스에도 $ n^{o(d)} $ 알고리즘이 존재하지 않음을 유추하였다.

실험 결과

연구 질문

• RQ1 큐브-KMP와 유닛큐브-KMP 사이에서 알려진 것과 유사하게, 초체적량과 유닛큐브-KMP 사이의 런타임 간 다항식적 관계가 존재하는가?
• RQ2 2-그라운디드에 대한 $ \mathcal{O}(n^{(d-1)/2}\log^2 n) $ 알고리즘은 $ 2k $-그라운디드에 대해 $ \mathcal{O}(n^{(d-k)/2+o(1)}) $ 으로 일반화될 수 있는가?
• RQ3 초체적량 및 큐브-KMP/유닛큐브-KMP에 대해 최적의 런타임 $ n^{c_d \cdot d \pm \mathcal{O}(1)} $ 에서 지수 $ c_d $ 의 정확한 값은 무엇인가?
• RQ4 $ k $-그라운디드에서 일반 KMP로의 역감소가 존재하여 $ d' < d $ 인 경우, 두 문제 간의 더 강력한 대응 관계를 설정할 수 있는가?
• RQ5 일반 KMP에 대해 향상된 알고리즘이 존재하지 않는다는 사실은, 모든 특수 케이스에 대해 $ \Omega(n^{\lfloor d/2\rfloor/2 - \varepsilon}) $ 의 날카로운 하한값을 의미하는가?

주요 결과

• 논문은 초체적량이 다른 특수 케이스들 중에서 가장 쉬운 것으로 규명하였으며, 이는 가장 빠른 알려진 알고리즘을 제공하고 다른 케이스들로부터 감소 가능하기 때문이다.
• 큐브-KMP와 유닛큐브-KMP는 다항식적으로 관련된 런타임을 가지며, 이는 한 쪽에서의 향상이 다른 쪽에서도 향상됨을 의미한다.
• $ k $-그라운디드에 대해 런타임 $ T(n,d) $ 인 알고리즘이 일반 KMP에 대해 런타임 $ T(n,2d) $ 인 알고리즘을 유도함을 보여, 일반 문제와 그 특수 케이스들 사이의 근본적인 연결 고리를 확립하였다.
• Exponential Time Hypothesis 하에서, $ \textup{W}[1] $-난이도가 KMP로부터 이전됨에 따라, 어떤 특수 케이스에도 $ n^{o(d)} $ 알고리즘이 존재하지 않는다.
• 일반 KMP에 대해 향상된 알고리즘이 존재하지 않는다고 가정할 경우(즉, $ \mathcal{O}(n^{d/2 - \varepsilon}) $ 알고리즘이 존재하지 않는다고 가정할 경우), 모든 특수 케이스에 대해 $ \Omega(n^{\lfloor d/2\rfloor/2 - \varepsilon}) $ 의 날카로운 하한값을 증명하였다.
• 동일한 가정 하에 모든 특수 케이스에 대해 약 $ n^{(d-1)/4} $ 의 날카로운 하한값을 제공하였으며, 2-그라운디드에 대한 $ \mathcal{O}(n^{(d-1)/2}\log^2 n) $ 알고리즘의 최적성을 확인하였다.