[논문 리뷰] Delaunay Triangulations in Linear Time? (Part I)

Kevin Buchin|ArXiv.org|2008. 12. 01.

Computational Geometry and Mesh Generation참고 문헌 4인용 수 4

한 줄 요약

이 논문은 다항식적으로 유계된 산란도를 가진 ℝᵈ 내 점 집합에 대해 선형 기대 시간으로 데라운이 삼각분할을 구성하는 랜덤화된 점진적 알고리즘을 제시한다. 이는 최근접 이웃 그래프와 이력 기반 점 위치 전략을 활용하며, 랜덤 샘플의 데라운이 삼각분할의 기대 복잡도가 샘플 크기의 선형일 것이라는 가정 하에 선형 시간 복잡도를 달성한다.

ABSTRACT

We present a new and simple randomized algorithm for constructing the Delaunay triangulation using nearest neighbor graphs for point location. Under suitable assumptions, it runs in linear expected time for points in the plane with polynomially bounded spread, i.e., if the ratio between the largest and smallest pointwise distance is polynomially bounded. This also holds for point sets with bounded spread in higher dimensions as long as the expected complexity of the Delaunay triangulation of a sample of the points is linear in the sample size.

연구 동기 및 목표

• 실제 계산 모델에서 현실적인 조건 하에 선형 기대 시간 복잡도를 달성하는 랜덤화된 점진적 데라운이 삼각분할 알고리즘을 개발하기 위해.
• 점진적 데라운이 삼각분할에서 효율적인 점 위치를 해결하기 위해 이력 데이터 구조와 최근접 이웃 그래프 계산을 결합하기 위해.
• 평면을 초월해 고차원으로까지 선형 시간 알고리즘의 적용 가능성을 확장하기 위해, 점 집합의 산란도 및 기대 삼각분할 복잡도 조건을 고려하기 위해.
• 전체 구축 이력에 의존하지 않기 위해 계층적 샘플링과 최근접 이웃 그래프 기반의 위치 기반 메커니즘을 도입하기 위해.
• 잘분리된 쌍 분해와 기수 정렬 기법을 사용하여 기대 실행 시간에 대한 이론적 상한을 설정하기 위해.

제안 방법

• 효율적인 계층적 점 위치를 가능하게 하기 위해 입력 점들을 지수적으로 증가하는 라운드로 그룹화한다.
• 점진적 구축의 초기 단계에서 점 위치를 가속화하기 위해 데라운이 트리(이력 데이터 구조)를 사용한다.
• 각 라운드에서 점의 부분 집합에 대해 최근접 이웃 그래프(NNG)를 구성하고, 이전 삽입 없이도 연결된 성분을 통해 위치 후보를 계층의 상단으로 전파한다.
• 높은 수준에서의 점 위치는 이미 위치된 점들에서 시작하여 최근접 이웃 그래프의 간선을 따라 걷는 방식으로 수행되며, 비용은 충돌 수와 단체 복잡도에 의해 제한된다.
• 최근에 챈이 증명한 결과에 기반하여 잘분리된 쌍 분해가 정렬과 연결되며, 기수 정렬을 통해 최근접 이웃 그래프를 선형 시간에 구성할 수 있다.
• 계산 모델은 O(log N)-비트 정수에 대해 제한된 상수 시간의 floor 함수를 가진 실수-RAM을 가정하여 과도한 가정을 피한다.

실험 결과

연구 질문

• RQ1 ℝᵈ 내 다항식적으로 유계된 산란도를 가진 점 집합에 대해 데라운이 삼각분할을 선형 기대 시간 내에 구성할 수 있는가?
• RQ2 전체 구축 이력에 의존하지 않고 점진적 데라운이 삼각분할에서 점 위치를 어떻게 가속화할 수 있는가?
• RQ3 최근접 이웃 그래프는 점진적 삽입 중 계층적 점 위치를 효율적으로 가능하게 하기 위해 어떤 역할을 하는가?
• RQ4 점 집합의 구조 조건(예: 산란도, 샘플링 복잡도)이 무엇일 경우 기대 데라운이 삼각분할 복잡도가 선형 유지되는가?
• RQ5 알고리즘은 균일한 랜덤 삽입 순서를 초월해 비균형 삽입 순서나 데라운이 계층과 같은 대체 데이터 구조로 일반화될 수 있는가?

주요 결과

• 점 집합 P ⊂ ℝᵈ의 데라운이 삼각분할을, 랜덤 샘플의 크기가 r일 때 기대 복잡도가 O(r)일 것이라는 가정 하에 O(N) 기대 시간 내에 구성한다.
• 다각형 평면 내 다항식적으로 유계된 산란도를 가진 점 집합의 경우, 임의의 랜덤 샘플의 데라운이 삼각분할 기대 복잡도는 선형이므로, 이 알고리즘은 선형 기대 시간으로 실행된다.
• 각 라운드에서 모든 점을 위치하는 데 드는 기대 비용은 O(|Rₖ|) 이하로 제한되며, 이는 모든 라운드에 걸쳐 합산했을 때 총 기대 선형 시간 복잡도로 이어진다.
• 최근접 이웃 그래프와 잘분리된 쌍 분해를 사용함으로써 기수 정렬을 통해 필요한 그래프를 선형 시간에 구성할 수 있다.
• 전체 구축 이력의 저장 또는 쿼리가 필요 없도록 최근접 이웃 성분을 통해 위치 후보를 계층적으로 전파함으로써 이를 회피한다.
• 분석은 데라운이 계층과 비균형 삽입 순서로까지 확장 가능하며, 이는 균일한 랜덤 삽입을 초월한 더 넓은 적용 가능성을 시사한다.