[논문 리뷰] Faster Approximation Algorithms for Geometric Set Cover

Timothy M. Chan, Qizheng He|arXiv (Cornell University)|2020. 01. 01.

Computational Geometry and Mesh Generation참고 문헌 32인용 수 3

한 줄 요약

이 논문은 개선된 승수 가중치 업데이트(MWU) 방법과 기하학적 데이터 구조를 사용하여 3D 반공간과 2D 원판에서 기하학적 셋 커버를 더 빠르게 근사하는 알고리즘을 제시한다. 데이터 구조 요구사항을 단순화하고, 무작위 표본 추출 및 얕은 컷팅을 통합함으로써, 결정론적 O(n log³n log log n)-시간 알고리즘과 무작위적 O(n log n (log log n)^O(1))-시간 알고리즘을 얻었으며, 둘 다 O(1)-근사값을 제공한다. 이는 이전의 O(n log⁴n) bound에 비해 크게 향상된 결과이다.

ABSTRACT

In the Set Multicover problem, we are given a set system (X,𝒮), where X is a finite ground set, and 𝒮 is a collection of subsets of X. Each element x ∈ X has a non-negative demand d(x). The goal is to pick a smallest cardinality sub-collection 𝒮' of 𝒮 such that each point is covered by at least d(x) sets from 𝒮'. In this paper, we study the set multicover problem for set systems defined by points and non-piercing regions in the plane, which includes disks, pseudodisks, k-admissible regions, squares, unit height rectangles, homothets of convex sets, upward paths on a tree, etc. We give a polynomial time (2+ε)-approximation algorithm for the set multicover problem (P, ℛ), where P is a set of points with demands, and ℛ is a set of non-piercing regions, as well as for the set multicover problem (𝒟, P), where 𝒟 is a set of pseudodisks with demands, and P is a set of points in the plane, which is the hitting set problem with demands.

연구 동기 및 목표

• 3D 반공간과 2D 원판에서 기하학적 셋 커버에 대한 더 빠른 O(1)-근사 알고리즘을 설계한다.
• 데이터 구조 요구사항을 단순화하여 기존 MWU 기반 알고리즘의 실행 시간을 향상시킨다.
• 근사 시간 복잡도를 유지하면서 알고리즘의 무작위성을 제거한다.
• 원본 및 이중 공간에서의 무작위 표본 추출과 얕은 컷팅을 조합하여 더 빠른 무작위 알고리즘을 확보한다.
• 개선된 기대 시간 복잡도를 갖는 가중치가 부여된 기하학적 셋 커버 문제로 접근법을 확장한다.

제안 방법

• Agarwal과 Pan의 첫 번째 MWU 알고리즘을 재검토하고, 동적 가중치 범위 카운팅이 필요 없도록 데이터 구조 요구사항을 단순화한다.
• 동적 가중치 업데이트를 삽입 전용 데이터 구조로 대체하여, 표준 기법을 통해 정적 데이터 구조로 환원할 수 있도록 한다.
• 원본 및 이중 공간에서 얕은 컷팅을 새로운 방식으로 활용하여 깊이 정보를 효율적으로 유지하고 질의한다.
• 넷 구축 전에 입력 집합의 크기를 줄이기 위해 무작위 표본 추출을 적용하여, ε넷 계산을 더 빠르게 한다.
• 해싱과 지문 생성을 사용하여 동적 객체 제거 상황에서 점들의 동치 클래스를 유지함으로써, 최소 카운트 객체 선택을 효율적으로 수행한다.
• 편균일 표본 추출 기법을 수정하여 입력을 무작위로 표본 추출함으로써, 넷 구축 시간을 O(n log n + nk₀)에서 O(n log n)으로 단축시킨다.

실험 결과

연구 질문

• RQ1 Agarwal과 Pan의 첫 번째 MWU 알고리즘에서 데이터 구조 복잡도를 줄여 near-linear 시간의 결정론적 알고리즘을 달성할 수 있는가?
• RQ2 3D 반공간 셋 커버 문제에서 기존 MWU 기반 알고리즘의 실행 시간을 O(n log⁴n)을 초월해 향상시킬 수 있는가?
• RQ3 얕은 컷팅과 무작위 표본 추출을 어떻게 조합하여 가중치가 부여된 기하학적 셋 커버에서 ε넷 구축을 가속화할 수 있는가?
• RQ4 편균일 표본 추출 기법을 어떻게 수정하여 실행 시간을 단축하면서도 O(1)-근사 보장을 유지할 수 있는가?
• RQ5 가중치가 부여된 셋 커버 알고리즘을 비무작위화할 수 있는가? 이 경우 상당한 시간 비용이 발생할 수 있는가?

주요 결과

• MWU 방법의 데이터 구조 요구사항을 단순화함으로써, 3D 반공간 셋 커버 문제에 대해 결정론적 O(n log³n log log n)-시간 O(1)-근사 알고리즘을 달성하였다.
• 원본 및 이중 공간에서의 무작위 표본 추출과 얕은 컷팅을 조합함으로써, 더 빠른 무작위적 O(n log n (log log n)^O(1))-시간 O(1)-근사 알고리즘을 개발하였다.
• 반경을 선택한 부분 집합을 표본 추출하고 더 작은 인스턴스에서 넷을 계산함으로써, ε넷 구축 시간을 O(n log n)으로 감소시켰다.
• 표준 기하학적 변환을 통해 접근법을 2D 원판과 3D 지배 범위 문제로 일반화하였다.
• 가중치가 부여된 경우, 수정된 MWU와 편균일 표본 추출을 사용하여 무작위적 O(n log⁴n log log n)-시간 O(1)-근사 알고리즘을 확보하였다.
• 논문은 가중치가 부여된 경우의 비무작위화가 아직 열려 있는 문제임을 밝혀내었으며, 조건부 확률 방법을 적용할 수는 있지만 높은 비용이 수반될 수 있다.