[论文解读] Querying for the Largest Empty Geometric Object in a Desired Location

John Augustine, Sandip Das+4 more|arXiv (Cornell University)|Apr 5, 2010

Computational Geometry and Mesh Generation参考文献 24被引用 11

一句话总结

本文提出了一类新型的几何查询问题，聚焦于在避开障碍物的前提下，识别包含给定查询点的最大空圆或空矩形。针对凸多边形、简单多边形和点集，提出了高效的静态数据结构与算法，实现了次二次预处理时间和对数时间复杂度的查询响应，关键成果包括：凸多边形的预处理时间为 O(n)，查询时间为 O(log n)；点集的预处理时间为 O(n² log n)。

ABSTRACT

We study new types of geometric query problems defined as follows: given a geometric set $P$, preprocess it such that given a query point $q$, the location of the largest circle that does not contain any member of $P$, but contains $q$ can be reported efficiently. The geometric sets we consider for $P$ are boundaries of convex and simple polygons, and point sets. While we primarily focus on circles as the desired shape, we also briefly discuss empty rectangles in the context of point sets.

研究动机与目标

• 为填补基于查询的几何优化研究空白，研究包含查询点但避开障碍物的最大空圆或空矩形。
• 设计支持高效预处理和快速查询响应的数据结构，适用于多种几何输入类型。
• 探索在复杂几何查询问题中，是否可实现次二次预处理时间和对数时间复杂度的查询响应。
• 建立最大空圆与空矩形查询在计算几何中的理论边界与实用算法。
• 激发几何查询问题的新研究方向，其应用涵盖 VLSI、数据挖掘与空间数据库。

提出的方法

• 预处理一个几何集合 P（凸多边形、简单多边形或点集），以支持对包含给定查询点 q 的最大空圆或空矩形的高效查询。
• 对于点集，使用一种增强的动态范围树，附加最大空矩形（MER）指针，实现 O(n² log n) 预处理后，查询时间达到 O(log n)。
• 利用 Voronoi 图与 Delaunay 三角剖分作为基础工具，识别候选空圆。
• 通过经过障碍物点的直线将空间划分为 O(n²) 个区域，确保每个区域具有唯一的最大空矩形。
• 采用扫描线方法结合优先队列，按面积降序处理 MER，为每个区域分配最大有效矩形。
• 应用平面分隔符与分治策略，探索在复杂输入下提升预处理时间的潜力。

实验结果

研究问题

• RQ1 对于凸多边形，是否可在次二次预处理时间与对数时间复杂度的查询时间内，找到包含查询点的最大空圆？
• RQ2 为支持点集中最大空圆查询的 O(log n) 查询时间，所需的最低预处理成本是多少？
• RQ3 是否可实现简单多边形中最大空矩形查询的次二次预处理时间，使其效率与凸多边形相当？
• RQ4 用于报告包含查询点的最大空圆的数据结构，能否推广至其他几何形状或更高维度？
• RQ5 在具有 n 个障碍物点的平面区域内，不同组合意义下的最大空矩形数量的组合界限是什么？

主要发现

• 对于凸多边形，本文实现了 O(n) 的预处理时间与 O(log n) 的查询时间，用于最大空圆查询。
• 对于简单多边形，预处理时间为 O(n log³n)，查询时间为 O(log²n)，相比先前方法有显著改进。
• 对于点集，预处理成本为 O(n² log n)，最大空圆与最大空矩形查询的查询时间均为 O(log n)。
• 点集中组合意义下不同的最大空矩形数量可达 Ω(n²)，意味着任何解决方案都必须处理至少如此数量的区域。
• 本文证明，若无新的算法洞察，为点集实现次二次预处理时间与 O(log n) 查询时间是极不可能的。
• 所提出的带 MER 指针存储的动态范围树，可实现每个查询点的最大空矩形高效报告，且查询时间达到最优。