[论文解读] More Dynamic Data Structures for Geometric Set Cover with Sublinear Update Time

Timothy M. Chan, Qizheng He|arXiv (Cornell University)|Jan 1, 2021

Computational Geometry and Mesh Generation参考文献 23被引用 1

一句话总结

本论文提出了首个针对二维任意轴对齐正方形的几何集合覆盖动态数据结构，实现子线性更新时间，达到 O(1)-近似解，其摊销更新时间为 O(n^{2/3+δ})。该方法可扩展至二维圆盘和三维半空间的子线性更新时间，当仅需解的大小时成立，并通过新型随机化技术，为二维圆盘和三维半空间实现了最优 O(n log n) 时间的静态算法。

ABSTRACT

We study geometric set cover problems in dynamic settings, allowing insertions and deletions of points and objects. We present the first dynamic data structure that can maintain an $O(1)$-approximation in sublinear update time for set cover for axis-aligned squares in 2D. More precisely, we obtain randomized update time $O(n^{2/3+δ})$ for an arbitrarily small constant $δ>0$. Previously, a dynamic geometric set cover data structure with sublinear update time was known only for unit squares by Agarwal, Chang, Suri, Xiao, and Xue [SoCG 2020]. If only an approximate size of the solution is needed, then we can also obtain sublinear amortized update time for disks in 2D and halfspaces in 3D. As a byproduct, our techniques for dynamic set cover also yield an optimal randomized $O(n\log n)$-time algorithm for static set cover for 2D disks and 3D halfspaces, improving our earlier $O(n\log n(\log\log n)^{O(1)})$ result [SoCG 2020].

研究动机与目标

• 设计动态数据结构，在点和对象的插入与删除操作下，维持 O(1)-近似几何集合覆盖，且更新时间为子线性时间。
• 将子线性更新时间的适用范围从单位正方形扩展至二维任意轴对齐正方形，处理更复杂的二维情形。
• 当仅需解的大小时，实现二维圆盘和三维半空间的子线性摊销更新时间。
• 通过高概率下界，将二维圆盘和三维半空间的静态集合覆盖时间优化至最优 O(n log n) 期望时间。

提出的方法

• 使用随机采样与分治分解结合平面分隔符，递归地减小各层的规模。
• 采用浅层分区树与冲突列表构建，实现高效的范围报告与三维半空间分解。
• 应用带参数化猜测最优解大小的乘性权重更新（MWU）方法，以指导近似过程。
• 采用两阶段方法：针对较小最优解使用中等规模最优（medium-OPT）算法，针对较大解使用大规模最优（large-OPT）算法，各自配备定制化数据结构。
• 利用垂直分解与透视投影处理三维上半空间与下半空间，替代正交投影。
• 重复 MWU 算法 O(log N) 次，将错误概率控制在 1/N 以内，确保以高概率正确。

实验结果

研究问题

• RQ1 能否设计出针对二维任意轴对齐正方形的动态几何集合覆盖数据结构，在子线性更新时间内维持 O(1)-近似解？
• RQ2 当仅需解的大小时，能否在二维圆盘和三维半空间上实现子线性更新时间？
• RQ3 能否在高概率下实现 O(n log n) 期望时间的最优静态集合覆盖时间，用于二维圆盘和三维半空间？
• RQ4 在不同最优解大小假设下，动态几何集合覆盖的最优更新时间上界为何？

主要发现

• 对于二维任意轴对齐正方形的几何集合覆盖，O(1)-近似解可在 O(n^{2/3+δ}) 摊销更新时间内维持，其中任意 δ > 0。
• 对于二维圆盘和三维半空间，当仅需解的大小时，实现了子线性摊销更新时间，三维半空间的更新时间为 O(n^{12/13+δ})。
• 通过随机化方法，实现了 O(n log n) 时间的静态集合覆盖算法，优于先前的 O(n log n (log log n)^{O(1)}) 上限。
• 该算法以高概率（w.h.p.）正确，错误概率对全局输入规模 n 和任意常数 c，有界于 O(1/N)。
• 该方法在静态集合覆盖中实现了最优 O(n log n) 期望时间，其递推结构通过递归误差控制确保 O(1)-近似解。
• 分析表明，递归各层的加法误差保持为 O(OPT) 级别，从而保证整体解为 O(1)-近似解。