[논문 리뷰] Tighter Estimates for epsilon-nets for Disks

Norbert Bus, Shashwat Garg외 2명|arXiv (Cornell University)|2015. 01. 14.

Computational Geometry and Mesh Generation참고 문헌 21인용 수 5

한 줄 요약

이 논문은 평면 상의 원에 대한 $\epsilon$-넷을 계산하는 구조적 알고리즘을 제시하며, 데라운이 삼각형화를 이용하여 넷 크기의 개선된 상한값인 $13.4/\epsilon$을 달성한다. 이는 이전에 알려진 $40/\epsilon$보다 훨씬 날카럽게 낮은 값이다. 실험 결과는 실용적인 넷 크기가 약 $9/\epsilon$ 수준임을 보여주며, 이는 이전 연구에 비해 이론적이고도 실증적인 개선을 보여준다.

ABSTRACT

The geometric hitting set problem is one of the basic geometric combinatorial optimization problems: given a set $P$ of points, and a set $\mathcal{D}$ of geometric objects in the plane, the goal is to compute a small-sized subset of $P$ that hits all objects in $\mathcal{D}$. In 1994, Bronniman and Goodrich made an important connection of this problem to the size of fundamental combinatorial structures called $ε$-nets, showing that small-sized $ε$-nets imply approximation algorithms with correspondingly small approximation ratios. Very recently, Agarwal and Pan showed that their scheme can be implemented in near-linear time for disks in the plane. Altogether this gives $O(1)$-factor approximation algorithms in $ ilde{O}(n)$ time for hitting sets for disks in the plane. This constant factor depends on the sizes of $ε$-nets for disks; unfortunately, the current state-of-the-art bounds are large -- at least $24/ε$ and most likely larger than $40/ε$. Thus the approximation factor of the Agarwal and Pan algorithm ends up being more than $40$. The best lower-bound is $2/ε$, which follows from the Pach-Woeginger construction for halfspaces in two dimensions. Thus there is a large gap between the best-known upper and lower bounds. Besides being of independent interest, finding precise bounds is important since this immediately implies an improved linear-time algorithm for the hitting-set problem. The main goal of this paper is to improve the upper-bound to $13.4/ε$ for disks in the plane. The proof is constructive, giving a simple algorithm that uses only Delaunay triangulations. We have implemented the algorithm, which is available as a public open-source module. Experimental results show that the sizes of $ε$-nets for a variety of data-sets is lower, around $9/ε$.

연구 동기 및 목표

• 평면 상의 원에 대한 기하 범위 공간에서 $\epsilon$-넷 크기의 최선 상한과 최하한 사이의 큰 격차를 해소하기 위해.
• 기존의 복잡한 기법들에 의존하지 않고, 실용적이고 거의 선형 시간 복잡도를 갖는 $\epsilon$-넷 계산 알고리즘을 개발하기 위해.
• 데라운이 삼각형화에 기반한 구조적 방법을 제공하여 이전 방법보다 더 날카운 증명 가능한 상한을 도출하기 위해.
• 다양한 실제 및 합성 데이터셋을 사용하여 이론적 경계를 실증적으로 검증하기 위해.
• 원에 대한 기하 히팅 세트 문제에 대해 더 빠르고 증명 가능하게 좋은 근사 알고리즘을 가능하게 하기 위해.

제안 방법

• 알고리즘은 복잡한 동적 데이터 구조를 피하기 위해 데라운이 삼각형화에 기반한 재귀적 샘플링 전략을 사용하여 $\epsilon$-넷을 구성한다.
• 데라운이 삼각형화의 기하적 성질을 활용하여 큰 원들을 모두 침범하는 점들을 효율적으로 식별하고 샘플링한다.
• 샘플링 확률과 기하 패킹에서 유도된 상수를 포함하는 재귀 부등식을 이용하여 넷의 기대 크기를 분석한다.
• 샘플링 확률을 제어하는 데 사용되는 매개변수 $c_1$는 $\frac{c_1}{\epsilon n}$으로 표현되며, $c_1 = 12$일 때 이론적 상한값인 $13.4/\epsilon$을 도출한다.
• 기대 실행 시간에 대한 재귀식이 $\mathbb{E}[T(n)] \leq c n \log n$를 만족함을 확인함으로써, 이 식이 $O(n \log n)$임을 증명한다.
• 구현은 CGAL을 사용하여 데라운이 삼각형화와 최근접 이웃 쿼리를 수행하며, 공정한 비교를 위해 단일 스레드로 실행된다.

실험 결과

연구 질문

• RQ1 평면 상의 원에 대한 $\epsilon$-넷 크기의 상한을 $40/\epsilon$ 이하로 낮출 수 있는가?
• RQ2 복잡한 동적 데이터 구조에 의존하지 않고 실용적이고 거의 선형 시간 복잡도를 갖는 $\epsilon$-넷 구축 알고리즘을 설계할 수 있는가?
• RQ3 실제 및 합성 데이터셋에서 $\epsilon$-넷 구축의 실제 경험적 성능은 어떠한가?
• RQ4 이론적 상한값인 $13.4/\epsilon$은 실생활에서 달성될 수 있으며, 이는 기존의 구축 방식보다 향상되는가?
• RQ5 이론적 상한값과 알려진 최고의 하한값인 $2/\epsilon$ 사이에 뚜렷한 격차가 존재하는가?

주요 결과

• 논문은 평면 상의 원에 대해 $\epsilon$-넷 크기의 새로운 이론적 상한값인 $13.4/\epsilon$을 확립하였으며, 이는 이전에 알려진 $40/\epsilon$보다 향상된 것이다.
• 알고리즘은 구조적이며 기대 시간 복잡도 $O(n \log n)$에 수행되어 거의 선형 시간 히팅 세트 근사에 적합하다.
• 다양한 데이터셋(MOPSI, KDDCUP, Europe, Birch3, Uniform, Gauss9)에 대한 실험 결과는 평균적으로 $\epsilon$-넷 크기가 약 $9/\epsilon$ 수준임을 보여주며, 이는 이론적 상한값보다 훨씬 낮다.
• 샘플링 확률 $\frac{c_1}{\epsilon n}$에서 $c_1 = 12$로 설정하면 이론적 넷 크기 $13.4/\epsilon$를 도출할 수 있고, $c_1 = 7$일 경우 실용적 넷 크기는 $\approx 9/\epsilon$로 더 작아진다.
• 데라운이 삼각형화에 기반한 재귀적 샘플링 방법은 기대 넷 크기와 실행 시간을 효과적으로 제한하며, $c \geq 2d$ 조건을 만족하는 $\mathbb{E}[T(n)] \leq c n \log n$ 재귀식을 만족한다.
• 구현은 오픈소스이며 공개 모듈로 제공되며, 다양한 데이터 분포에서 실용성과 효율성을 입증한다.