[论文解读] Efficient Algorithms for One-Dimensional k-Center Problems

Danny Z. Chen, Jian Li+1 more|arXiv (Cornell University)|Jan 31, 2013

Facility Location and Emergency Management参考文献 19被引用 5

一句话总结

本文提出了一种简单、确定性的 $O(n\log n)$ 算法，用于解决一维加权 $k$-中心问题，且无需依赖 Cole 的复杂参数搜索。该方法引入了一种高效的二维子列表线性规划查询数据结构——用于寻找半平面交集中最低点的查询——在输入点和权重已排序时可实现线性时间求解，尤其适用于小 $k$ 的情况。该方法通过避免理论上的复杂性，同时保持最优的渐近时间复杂度，优于以往的方法。

ABSTRACT

We consider the problem of finding k centers for n weighted points on a real line. This (weighted) k-center problem was solved in O(n log n) time previously by using Cole's parametric search and other complicated approaches. In this paper, we present an easier O(n log n) time algorithm that avoids the parametric search, and in certain special cases our algorithm solves the problem in O(n) time. In addition, our techniques involve developing interesting data structures for processing queries that find a lowest point in the common intersection of a certain subset of half-planes. This subproblem is interesting in its own right and our solution for it may find other applications as well.

研究动机与目标

• 开发一种更简单、确定性的 $O(n\\log n)$ 算法，用于一维加权 $k$-中心问题，且不使用 Cole 的参数搜索。
• 解决先前方法中依赖复杂参数搜索技术所导致的计算瓶颈。
• 设计一种高效的数据结构，用于处理二维子列表线性规划查询——即在一组半平面的公共交集中寻找最低点——适用于几何优化问题。
• 在输入点和权重已排序的特殊情况下，实现线性时间性能，尤其适用于小 $k$ 的情况。
• 提供一种实用且理论高效的解决方案，在特定输入分布下，相较于现有方法在简洁性和性能上均有改进。

提出的方法

• 将一维 $k$-中心问题建模为平面上的点逼近问题，通过阶梯函数拟合实现。
• 将问题归约为回答二维子列表线性规划查询：即在一组上半平面的交集中寻找最低点。
• 在 $O(n\\log n)$ 时间内构建数据结构，使得每个二维子列表线性规划查询可在 $O\\left(\\log n\\right)$ 时间内完成。
• 利用对偶性将半平面的斜率映射为点的权重，从而基于已排序的权重和位置高效处理查询。
• 使用紧凑的区间树表示查询结果的凸包，支持标准凸包操作，时间复杂度为 $O(\log n)$。
• 在输入点和权重已预排序时优化构造和查询时间，对小 $k$ 实现 $O(n)$ 时间复杂度。

实验结果

研究问题

• RQ1 一维加权 $k$-中心问题是否可以在不使用 Cole 参数搜索的情况下，以 $O(n\log n)$ 时间求解？
• RQ2 当输入点和权重已排序时，求解一维 $k$-中心问题的最优时间复杂度是多少？
• RQ3 能否设计一种数据结构，高效回答二维子列表线性规划查询——即在一组半平面的交集中寻找最低点——从而加速几何优化问题的求解？
• RQ4 是否可能在某些特殊情况下实现一维 $k$-中心问题的线性时间性能，例如当 $k = O(n^{1/2 - \epsilon})$ 时？
• RQ5 能否将为一维 $k$-中心问题开发的技术推广到更一般的结构，如树结构？

主要发现

• 本文提出了一种确定性的 $O(n\log n)$ 算法，用于一维加权 $k$-中心问题，避免了 Cole 的参数搜索，为先前方法提供了更简单、更实用的替代方案。
• 当输入点和权重已排序时，该算法的时间复杂度为 $O(n + k^2 \log^2(n/k) \log n \log\log n)$，当 $k = O(n^{1/2 - \epsilon})$ 时退化为 $O(n)$。
• 提出了一种新的二维子列表线性规划查询数据结构，其构造时间为 $O(n\log n)$，查询时间为 $O(\log n)$，并能高效支持标准凸包操作。
• 针对已排序输入，提供了三种优化的数据结构，其构造时间分别为 $O(n)$、$O(n\log^* n)$ 和 $O(n\log\log n)$，对应查询时间分别为 $O(\log n \log\log n)$、$O(\log n \log^* n)$ 和 $O(\log n)$。
• 当 $k$ 相对于 $n$ 较小时，例如 $k = O((n / \log^3 n \log\log n)^{1/2})$，在输入已排序的条件下，该方法实现了 $O(n)$ 时间复杂度的线性解。
• 通过从最小间隙问题（Min Gap problem）的归约，本文建立了非离散无权一维 $k$-中心问题的 $O(n\log n)$ 时间下界，验证了所提算法的最优性。