[논문 리뷰] Using Optimization to Find Maximum Inscribed Balls and Minimum Enclosing Balls

Zeyuan Allen Zhu, Zhenyu Liao외 1명|arXiv (Cornell University)|2014. 12. 02.

Computational Geometry and Mesh Generation참고 문헌 26인용 수 3

한 줄 요약

이 논문은 $d$-차원 공간에서 최대 내접 구(ball) 문제(MaxIB)와 최소 외접 구 문제(MinEB)의 $(1\pm\varepsilon)$-근사해를 구하는 간단하고 거의 선형 시간(first-order optimization) 알고리즘을 제시한다. 두 기하 문제를 대수적 볼록 최적화 문제로 재구성함으로써, 이전 방법보다 더 빠른 실행 시간을 달성하였으며, MaxIB의 경우에 특히 뚜렷한 향상이 있었고, MinEB의 경우 더 단순한 접근 방식을 통해 동일한 성능를 확보하였다.

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.

연구 동기 및 목표

• $d$-차원 공간에서 최대 내접 구와 최소 외접 구의 근사해를 더 빠르고 단순하게 계산하기 위한 알고리즘을 개발한다.
• 특히 비율 $\alpha$와 $\varepsilon$에 대한 의존도가 높아 계산 병목 현상이 발생하는 기존 MaxIB 방법의 문제를 해결한다.
• MinEB의 최고 성능을 달성하거나 초월하면서도 알고리즘 접근 방식을 단순화한다.
• 제안된 최적화 기반 방법이 이전 기법보다 실제로 얼마나 성능 향상을 보이는지 실증적으로 검증한다.

제안 방법

• MaxIB 및 MinEB 문제를 대수적 형태의 볼록 최적화 문제로 재구성하여, 일阶 최적화 방법의 적용을 가능하게 한다.
• 재구성된 문제를 해소하기 위해 수렴 보장을 갖춘 일阶 볼록 최적화 기법을 적용한다.
• $(1\pm\varepsilon)$-근사해를 달성하기 위해 특화된 스텝 크기를 갖춘 투영 경사도 유형 방법을 사용한다.
• 다각형과 점 집합의 구조를 활용하여 기울기 및 투영 계산을 위한 효율적인 오라클 쿼리를 설계한다.
• MaxIB의 경우 반복 횟수를 $m$, $d$, $\varepsilon$, 그리고 비율 $\alpha$로 제한하는 새로운 분석 프레임워크를 도입한다.
• 입력 데이터의 희소성과 저차원적 구조를 활용하여 거의 선형 시간 복잡도를 달성한다.

실험 결과

연구 질문

• RQ1 일阶 최적화 기법이 MaxIB 및 MinEB와 같은 기하 문제에 효과적으로 적용되어 거의 선형 시간 복잡도를 달성할 수 있는가?
• RQ2 다각형의 비율 $\alpha$는 MaxIB 알고리즘의 수렴 속도와 실행 시간에 어떤 영향을 미치는가?
• RQ3 더 단순한 알고리즘이 MinEB의 최고 성능을 유지하면서도 동일한 $(1+\varepsilon)$-근사 품질을 확보할 수 있는가?
• RQ4 실제로 제안된 방법이 기존 접근 방식보다 얼마나 뛰어난 성능 향상을 보이는가?

주요 결과

• 제안된 MaxIB 알고리즘은 $\tilde{O}(m d \alpha / \varepsilon)$ 시간에 실행되며, Xie, Snoeyink, 및 Xu가 이전에 확보한 $\tilde{O}(m d \alpha^3 / \varepsilon^3)$ 보다 향상된 성능이다.
• MinEB의 경우 $(1+\varepsilon)$-근사해를 $\tilde{O}(n d / \sqrt{\varepsilon})$ 시간에 도달하여, 기존 최고 성능을 그대로 유지한다.
• 새로운 MaxIB 알고리즘은 이전 작업 대비 $\varepsilon$와 $\alpha$에 대해 다항식 속도 향상을 달성하였으며, 특히 고정밀도 또는 고비율 입력에 매우 유리하다.
• MinEB 알고리즘은 이전 방법보다 더 단순하면서도 동일한 점근적 실행 시간을 유지하여 구현 용이성과 효율성을 향상시켰다.
• 실증 평가 결과, 두 알고리즘이 고차원 및 대규모 환경에서 기존 방법보다 뛰어난 성능 향상을 보였다.
• 기하 문제의 대수적 재구성은 일阶 최적화 기법을 계산 기하학에 적용하기 위한 통합적이고 모듈러한 프레임워크를 가능하게 한다.