[论文解读] Finding the Maximal Empty Rectangle Containing a Query Point

Haim Kaplan, Micha Sharir|arXiv (Cornell University)|Jun 18, 2011

Computational Geometry and Mesh Generation参考文献 13被引用 10

一句话总结

本文提出了一种高效的数据结构，通过预处理矩形区域内的 n 个点，以回答关于包含给定查询点的最大的轴对齐空矩形的查询。利用部分逆Monge矩阵和分数级联的高级技术，该方法实现了 O(nα(n)log³n) 的空间复杂度和 O(log⁴n) 的查询时间，显著优于先前需要超二次时间与空间复杂度的解决方案。

ABSTRACT

Let $P$ be a set of $n$ points in an axis-parallel rectangle $B$ in the plane. We present an $O(nα(n)\log^4 n)$-time algorithm to preprocess $P$ into a data structure of size $O(nα(n)\log^3 n)$, such that, given a query point $q$, we can find, in $O(\log^4 n)$ time, the largest-area axis-parallel rectangle that is contained in $B$, contains $q$, and its interior contains no point of $P$. This is a significant improvement over the previous solution of Augustine {\em et al.} \cite{qmex}, which uses slightly superquadratic preprocessing and storage.

研究动机与目标

• 设计一种数据结构，以支持对包含给定查询点 q 的最大面积 P-空轴对齐矩形的快速查询。
• 克服最大空矩形数量为二次级的问题，使得显式枚举变得不可行。
• 与先前的 O(n²log n) 解决方案相比，降低预处理时间和空间复杂度。
• 在几何应用中，实现对部分定义的逆Monge矩阵中的子矩阵最大值查询的高效处理。

提出的方法

• 通过将包围矩形 B 分解为范围树 T_h 的分层分解方式，预处理所有最大 P-空矩形。
• 为 T_h 中的每个节点构建包络数据结构，以表示由特定象限中点定义的候选矩形。
• 应用分数级联技术，通过在相邻节点之间链接包络结构，将每个次级节点的查询时间从 O(log²n) 降低至 O(log n)。
• 使用黑箱例程在不显式存储矩阵的情况下计算部分逆Monge矩阵的行最大值。
• 采用两阶段查询机制：首先在 T_h 中定位相关节点，然后在关联的包络结构中执行范围最大值查询。
• 将数据结构扩展以支持双阶梯完全单调矩阵中的子矩阵最大值查询，从而实现对任意连续子矩阵的最大值查询的高效处理。

实验结果

研究问题

• RQ1 我们能否对 n 个点的集合进行预处理，使得对任意查询点的最大的空矩形查询能在亚二次时间与空间内完成？
• RQ2 在不枚举所有 O(n²) 个最大矩形的前提下，如何高效计算包含查询点的最大面积 P-空矩形？
• RQ3 在不存储完整矩阵的前提下，可采用哪些技术实现对部分定义的逆Monge矩阵中快速最大值查询？
• RQ4 分数级联能否被有效应用于减少分层几何数据结构中的查询时间？
• RQ5 在该几何查询问题中，预处理时间、空间与查询时间之间的最优权衡是什么？

主要发现

• 所提出的数据结构使用 O(nα(n)log³n) 的空间复杂度，相较于先前工作的 O(n²log n) 空间复杂度有显著改进。
• 预处理时间为 O(nα(n)log⁴n)，降低了先前的超二次时间复杂度。
• 查询时间为 O(log⁴n)，在考虑问题完整复杂度时，快于早期解决方案的 O(log n)。
• 分数级联的使用将每个节点的查询成本从 O(log²n) 降低至 O(log n)，对整体 O(log⁴n) 的查询时间有重要贡献。
• 该方法支持对双阶梯完全单调矩阵中的子矩阵最大值查询，对 n×n 矩阵的查询时间为 O(log²n)，空间复杂度为 O(nα(n)log n)。
• 核心技术——通过分层分解与包络结构处理部分逆Monge矩阵——可推广至其他几何与优化问题。