[论文解读] Fast, precise and dynamic distance queries

Yair Bartal, Lee-Ad Gottlieb+3 more|arXiv (Cornell University)|Jan 23, 2011

Computational Geometry and Mesh Generation参考文献 28被引用 13

一句话总结

本文提出了一种针对具有倍增维数 λ 的点集的新型 (1+ε)-近似距离查询结构，支持常数时间查询和高效构建。它实现了首个具有期望 O(1) 查询时间与次线性更新时间的完全动态 (1+ε)-距离查询结构，在静态与动态设置下均显著优于先前工作。

ABSTRACT

We present an approximate distance oracle for a point set S with n points and doubling dimension λ. For every e > 0, the oracle supports (1 + e)-approximate distance queries in (universal) constant time, occupies space [e−O(λ) + 2O(λ log λ)]n, and can be constructed in [2O(λ) log3n + e−O(λ) +2O(λ log λ)]n expected time. This improves upon the best previously known constructions, presented by Har-Peled and Mendel [13]. Furthermore, the oracle can be made fully dynamic with expected O(1) query time and only 2O(λ) log n + e−O(λ) +2O(λ log λ) update time. This is the first fully dynamic (1 + e)-distance oracle.

研究动机与目标

• 设计一种静态距离查询结构，支持在有界倍增维数的点集中以常数时间完成 (1+ε)-近似距离查询。
• 与先前工作相比，特别是与 Har-Peled 和 Mendel 的构造相比，降低空间复杂度与构建时间复杂度。
• 将静态查询结构扩展为完全动态数据结构，支持高效更新的同时保持快速查询性能。
• 实现首个具有期望常数查询时间与次线性更新时间的完全动态 (1+ε)-距离查询结构。

提出的方法

• 该方法基于倍增维数 λ 对点集进行分层分解，从而实现距离的高效近似。
• 采用随机化构造过程，构建紧凑的数据结构，支持在 O(1) 时间内完成 (1+ε)-近似距离查询。
• 通过维护多级近似结构，增强查询结构的动态操作能力，支持插入与删除操作。
• 利用倍增度量的几何特性，限制每项查询的相关点数量，从而确保常数时间查询。
• 通过在 λ 上使用指数依赖关系以及在 n 上使用对数因子，优化空间与构建时间，实现精度与效率的平衡。
• 动态变体通过动态调整分层结构，以摊销成本维持期望 O(1) 的查询时间与更新时间。

实验结果

研究问题

• RQ1 能否构建一种 (1+ε)-近似距离查询结构，实现常数时间查询，并在空间复杂度与构建时间上优于先前工作？
• RQ2 是否可能设计一种完全动态的 (1+ε)-距离查询结构，维持常数时间查询与次线性更新时间？
• RQ3 倍增维数 λ 如何影响动态距离查询结构在空间、构建时间与更新效率之间的权衡？
• RQ4 在倍增度量下，完全动态 (1+ε)-距离查询结构可实现的最小空间与时间复杂度是多少？

主要发现

• 所提出的查询结构支持 (1+ε)-近似距离查询，时间复杂度为 O(1)，实现与输入规模无关的通用常数时间查询。
• 空间使用量被限制在 [ε⁻ᴼ(λ) + 2ᴼ(λ log λ)]n 以内，优于倍增度量下最优的先前构造方法。
• 构建时间在期望下为 [2ᴼ(λ) log³n + ε⁻ᴼ(λ) + 2ᴼ(λ log λ)]n，显著优于先前方法。
• 通过维护多级结构，将查询结构完全动态化，实现期望 O(1) 的查询时间与更新时间 2ᴼ(λ) log n + ε⁻ᴼ(λ) + 2ᴼ(λ log λ)，这是首个此类构造。
• 动态变体在插入与删除操作下保持正确性与高效性，查询性能无任何退化。