[论文解读] A linear-time algorithm for the geodesic center of a simple polygon
本文提出了计算简单多边形的测地中心的首个线性时间算法，时间复杂度为 O(n) —— 解决了自 1989 年 Pollack 等人提出 O(n log n) 算法以来长期悬而未决的开放问题。该方法结合了平面分割、ε-网和 O(n) 个顶点三角函数的上包络计算，通过递归缩小搜索空间，同时在每次迭代中保持线性工作量。
Given two points in a simple polygon $P$ of $n$ vertices, its geodesic distance is the length of the shortest path that connects them among all paths that stay within $P$. The geodesic center of $P$ is the unique point in $P$ that minimizes the largest geodesic distance to all other points of $P$. In 1989, Pollack, Sharir and Rote [Disc. \& Comput. Geom. 89] showed an $O(n\log n)$-time algorithm that computes the geodesic center of $P$. Since then, a longstanding question has been whether this running time can be improved (explicitly posed by Mitchell [Handbook of Computational Geometry, 2000]). In this paper we affirmatively answer this question and present a linear time algorithm to solve this problem.
研究动机与目标
- 解决长期以来关于简单多边形测地中心是否可在线性时间内计算的开放问题。
- 改进 Pollack、Sharir 和 Rote 于 1989 年建立的 O(n log n) 时间复杂度界限。
- 开发一种避免依赖三角剖分搜索结构的方法，转而使用几何分割和函数包络以实现高效搜索。
- 证明通过每次递归步骤将问题规模减少常数倍，测地中心可在 O(n) 时间内计算。
提出的方法
- 该算法构建 O(n) 个顶点三角函数，其上包络与多边形内的最远点测地距离函数 F_P(x) 完全匹配。
- 利用来自弦边界和顶点三角形之间分隔平面的 O(n) 个平面的平面分割技术，对搜索空间进行划分。
- 基于 ε-网的技术确保每次递归步骤均将活动函数数量和候选区域大小减少常数倍。
- 基于受限平面优化的侧边决策算法（受 Megiddo 启发）用于判断哪一侧平面包含测地中心。
- 当问题规模缩减为常数大小区域或单个三角形时，递归终止，此时应用凸优化求解最小值。
- 整体递推关系 T(m) = T(3m/4) + O(m) 的解为 O(m)，由于 m = O(n)，总时间复杂度为 O(n)。
实验结果
研究问题
- RQ1能否在线性时间内计算任意简单多边形的测地中心，从而改进 1989 年的 O(n log n) 时间界限？
- RQ2是否可以避免依赖三角剖分结构的搜索方式，转而使用几何分割技术来减少问题规模？
- RQ3最远点测地距离函数能否表示为 O(n) 个三角函数的上包络，以实现高效最小化？
- RQ4如何高效实现侧边决策过程，以利用平面分割在三维空间中引导递归搜索？
主要发现
- 任何具有 n 个顶点的简单多边形的测地中心均可在 O(n) 时间内计算，这是该问题的首个线性时间解法。
- 该算法基于平面分割和 ε-网的创新方法，使每次迭代中活动函数数量和候选区域大小均减少常数倍。
- 通过构建 O(n) 个顶点三角函数，其上包络等于 F_P(x)，问题被简化为在有界区域内最小化分段定义的凸函数。
- 侧边决策算法可高效判断哪一侧平面包含测地中心，从而在三维空间中实现递归细化。
- 递归缩减导致递推关系 T(m) = T(3m/4) + O(m)，其解为 O(m)，从而证明了整体线性时间复杂度。
- 该方法通过用更高效的几何分解替代三角剖分上的弦查询搜索，成功避免了先前方法的 O(n log n) 时间瓶颈。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。