[论文解读] Computing the k Nearest-Neighbors for all Vertices via Dijkstra

Sariel Har-Peled|arXiv (Cornell University)|Jul 26, 2016

Computational Geometry and Mesh Generation参考文献 1被引用 6

一句话总结

本文提出一种高效算法，使用改进的Dijkstra算法计算加权有向图中每个顶点的k个最近邻。通过使用全局优先队列并行运行n个Dijkstra算法实例，并在每个顶点找到k个邻居后立即终止，该方法实现O(k(n log n + m))的时间复杂度，显著优于朴素方法，并提供一种时间复杂度为O(kn log n + km log k)的确定性变体。

ABSTRACT

We are given a directed graph $G = (V,E)$ with $n$ vertices and $m$ edges, with positive weights on the edges, and a parameter $k >0$. We show how to compute, for every vertex $v \in V$, its $k$ nearest-neighbors. The algorithm runs in $O( k ( n \log n + m ) )$ time, and follows by a somewhat careful modification of Dijkstra's shortest path algorithm. This result is probably folklore, but we were unable to find a reference to it -- thus, this note.

研究动机与目标

• 使用单一统一算法，为加权有向图中的每个顶点计算其k个最近邻。
• 改进朴素方法（即独立地从每个顶点运行Dijkstra）所导致的O(kn(n log n + m))时间复杂度。
• 设计一种可在所有源顶点之间共享计算的算法，同时保持正确性和效率。
• 提供具有可证明时间界限的随机化和确定性两种版本的算法。
• 证明该算法可扩展用于计算k个最近邻至一组终端顶点（而不仅限于所有顶点）

提出的方法

• 并行运行n个Dijkstra算法实例，每个顶点作为源点，使用全局最小堆管理所有松弛事件。
• 每个堆条目为三元组 (顶点, 源点, 距离)，其中源点表示该条目所属的Dijkstra执行。
• 为每个顶点v维护一个数据结构（哈希表或平衡二叉搜索树），用于跟踪目前已找到的k个最近邻。
• 当顶点v从全局堆中被取出时，若其k个最近邻尚未找到，则将源点s加入v的邻居集合，并针对该源点松弛v的所有出边。
• 一旦顶点v已找到k个最近邻，通过从全局堆中移除其本地队列来禁用对v的进一步处理。
• 为每个顶点v维护一个本地队列Q_v，用于保持从每个源点s到v的最小距离，并仅在最小距离发生变化时更新全局堆。

实验结果

研究问题

• RQ1 能否比独立地从每个顶点运行Dijkstra更高效地计算加权有向图中所有顶点的k个最近邻？
• RQ2 如何最优地在多个Dijkstra运行之间共享计算，同时确保正确性并最小化冗余工作？
• RQ3 能否设计一种时间复杂度与随机化版本相近的确定性算法，仅引入少量额外开销？
• RQ4 该算法在k、n和m方面的扩展性如何？是否可被适配以计算至顶点子集（如终端集合）的k个最近邻？
• RQ5 基于共享多源Dijkstra的算法在每个顶点处实现早期终止时，其理论时间复杂度是多少？

主要发现

• 该算法通过使用共享全局堆和早期终止机制，在O(k(n log n + m))时间内计算出所有顶点的k个最近邻。
• 随机化版本以高概率达到相同的复杂度，利用随机采样来引导邻居发现过程。
• 确定性变体将哈希表替换为平衡二叉搜索树，使时间复杂度提升至O(kn log n + km log k)。
• 该算法通过确保每个顶点在所有相关Dijkstra运行的上下文中持续处理，直到找到k个最近邻，从而正确维护每个顶点的k个最近邻。
• 该方法自然可扩展至计算k个最近邻至终端集合T ⊆ V，且时间复杂度保持不变。
• 通过在顶点找到k个最近邻后禁用其处理，该算法避免了冗余的松弛操作，将总操作数减少至O(km)。