[论文解读] Maximum Area Rectangle Separating Red and Blue Points

Bogdan Armaselu, Ovidiu Daescu|arXiv (Cornell University)|Jun 10, 2017

Computational Geometry and Mesh Generation参考文献 18被引用 3

一句话总结

本文提出了一种最优的 O(m log m + n) 时间、O(m + n) 空间算法，用于计算包含所有红色点且包含最少蓝色点的最大面积轴对齐矩形。该方法采用基于阶梯的策略，高效探索候选矩形，且通过从 1D-Furthest-Adjacent-Pair 问题归约，在决策模型下证明了该算法的最优性。

ABSTRACT

Given a set R of n red points and a set B of m blue points, we study the problem of finding a rectangle that contains all the red points, the minimum number of blue points and has the largest area. We call such rectangle a maximum separating rectangle. We address the planar, axis-aligned (2D) version, and present an O(mlogm+n) time, O(m+n) space algorithm. The running time reduces to O(m + n) if the points are pre-sorted by one of the coordinates. We further prove that our algorithm is optimal in the decision model of computation.

研究动机与目标

• 解决寻找一个轴对齐矩形的问题，该矩形包含所有红色点且蓝色点数量最少，同时最大化面积。
• 为该分离问题设计一种高效算法，实现最优时间复杂度。
• 在计算的决策模型下证明该算法的最优性。
• 解决在肿瘤细胞分离、城市规划和集成电路缺陷检测中的应用。
• 建立该问题的下界，表明在最坏情况下需要 Ω(m log m + n) 时间。

提出的方法

• 构建所有红色点的最小包围矩形 S_min 作为初始约束。
• 采用基于阶梯的方法，系统性地探索由蓝色点对定义的候选矩形。
• 对每个候选矩形，验证其是否包含所有红色点且不包含超出最小必要数量的额外蓝色点。
• 按 x 坐标对蓝色点排序，以支持高效的候选枚举和面积计算。
• 利用面积函数的单调性特性，避免不必要的检查，确保最优性。
• 通过将 1D-Furthest-Adjacent-Pair 问题归约，证明 Ω(m log m + n) 的下界，从而确立算法的最优性。

实验结果

研究问题

• RQ1 在包含所有红色点的轴对齐矩形中，必须包含的最少蓝色点数量是多少，同时最大化面积？
• RQ2 对于此分离矩形问题，能否在优于 O(n log²n) 的时间内计算出最优解？
• RQ3 所提出的算法在时间复杂度上是否最优？解决此问题的理论下界是什么？
• RQ4 如何将该问题归约为一个已知的难问题，以建立下界？
• RQ5 该算法能否适应动态或基于查询的场景，其中红色点在查询时提供？

主要发现

• 所提出的算法时间复杂度为 O(m log m + n)，空间复杂度为 O(m + n)，若蓝色点已按 x 坐标预排序，则时间复杂度为 O(m + n)。
• 该算法在计算的决策模型下被证明是最优的，因为在最坏情况下需要 Ω(m log m + n) 时间。
• 通过从 1D-Furthest-Adjacent-Pair 问题归约，确立了最优性，该问题已知具有 Ω(m log m) 的下界。
• 通过探索受特定几何约束的蓝色点对所界定的候选矩形，找到最大面积的分离矩形。
• 面积函数关于水平跨度单调递增，从而可高效剪枝次优候选矩形。
• 该方法确保所得矩形包含所有红色点和最少数量的蓝色点，同时最大化面积。