[论文解读] On the Average Complexity of the $k$-Level

Man-Kwun Chiu, Stefan Felsner+4 more|arXiv (Cornell University)|Nov 6, 2019

Computational Geometry and Mesh Generation参考文献 22被引用 1

一句话总结

该论文首次建立了球面上随机大圆排列中k层期望复杂度的非平凡上界，表明当南极为均匀随机选择时，其复杂度为 O((k+1)²)。该结果进一步推广至d维球面，证明在随机大(d−1)-球面排列下，k层的期望复杂度为 Θ((k+1)^{d−1})。研究通过球面距离与β函数积分的概率分析推导出这些结果，对随机点集中k-集合及随机直线排列中k-层的平均复杂度具有启示意义。

ABSTRACT

$ ewcommand{\LL}{\mathcal{L}} ewcommand{\SS}{\mathcal{S}}$Let \(\LL\) be an arrangement of \(n\) lines in the Euclidean plane. The \(k\)-level of \(\LL\) consists of all vertices \(v\) of the arrangement which have exactly \(k\) lines of \(\LL\) passing below \(v\). The complexity (the maximum size) of the \(k\)-level in a line arrangement has been widely studied. In 1998 Dey proved an upper bound of \(O(n\cdot (k+1)^{1/3})\). Due to the correspondence between lines in the plane and great-circles on the sphere, the asymptotic bounds carry over to arrangements of great-circles on the sphere, where the \(k\)-level denotes the vertices at distance \(k\) to a marked cell, the south pole. We prove an upper bound of \(O((k+1)^2)\) on the expected complexity of the \((\le k)\)-level in great-circle arrangements if the south pole is chosen uniformly at random among all cells. We also consider arrangements of great \((d-1)\)-spheres on the \(d\)-sphere \(\SS^d\) which are orthogonal to a set of random points on \(\SS^d\). In this model, we prove that the expected complexity of the \(k\)-level is of order \(\Theta((k+1)^{d-1})\). In both scenarios, our bounds are independent of $n$, showing that the distribution of arrangements under our sampling methods differs significantly from other methods studied in the literature, where the bounds do depend on $n$.

研究动机与目标

• 确定当南极为均匀随机选择时，球面上随机大圆排列中k层的期望复杂度。
• 将该分析推广至d维球面 S^d 上的大(d−1)-球面排列。
• 建立从球面上均匀随机点出发，球面距离不超过k的顶点数量的紧渐近界。
• 通过对偶性，将这些结果与随机点集中k-集合及随机直线排列中k-层的平均复杂度联系起来。
• 探讨在均匀随机选择参考单元时，中间层的期望大小是否可能为超线性，从而挑战已知的最坏情况构造。

提出的方法

• 将排列建模为在 S^d 上独立且均匀随机选择的n个大(d−1)-球面。
• 将k层定义为距离均匀随机点（南极为参考点）球面距离不超过k的顶点集合。
• 使用中心投影将球面排列与平面直线排列关联，保持距离与复杂度在常数因子内不变。
• 通过在球面角度上积分，推导出随机顶点距离参考点恰好为k的概率 q_k。
• 应用欧拉β函数来计算形如 ∫₀¹ t^k(1−t)^{n−k} dt 的积分，该类积分源于角度概率分布。
• 利用对 sin(φ) 和 φ 的不等式，建立 q_k 的上下界，从而得出渐近的 Θ((k+1)^{d−1}/n^{d−1}) 量级。

实验结果

研究问题

• RQ1 当参考点（南极为）均匀随机选择时，球面上随机大圆排列中k层的期望复杂度是多少？
• RQ2 在 S^d 上的大(d−1)-球面排列中，k层的期望复杂度如何随k和维度d变化？
• RQ3 在均匀随机选择参考点的条件下，是否可以避免已知的最坏情况 Ω(n log n) 下界？
• RQ4 随机球面排列中k层的期望复杂度与平面上随机点集中k-集合的期望数量之间有何关联？
• RQ5 随机顺序类型或凸形上均匀点集中k-集合的平均复杂度是否与球面模型的预测一致？

主要发现

• 在 S² 上随机大圆排列中，k层的期望复杂度为 O((k+1)²)，优于最坏情况的 O(n(k+1)^{1/3}) 上界。
• 在 S^d 上的大(d−1)-球面排列中，k层的期望复杂度为 Θ((k+1)^{d−1})，清晰地体现了维度与k的依赖关系。
• 随机顶点距离均匀随机参考点恰好为k的概率为 Θ((k+1)^{d−1}/n^{d−1})，当n较大时成立。
• 该分析表明，随机球面排列可避免最坏情况下的超线性中间层复杂度，暗示 Ω(n log n) 下界在均匀随机参考点选择下并不稳定。
• 通过平面duality，该结果可推广至随机点集中的k-集合及随机直线排列中的k-层，表明平均情况下的k-层复杂度远小于最坏情况。
• 研究表明，随机球面模型中凸包（0层）的期望大小可能为常数或缓慢增长，与均匀点集在圆盘上 O(n^{1/3}) 的增长形成对比。