[论文解读] The $p$-Center Problem in Tree Networks Revisited

Aritra Banik, Binay Bhattacharya+3 more|arXiv (Cornell University)|Apr 26, 2016

Facility Location and Emergency Management参考文献 18被引用 3

一句话总结

本文提出了两种针对树网络上加权离散 $p$-中心问题的改进算法：一种时间复杂度为 $O(n\log n + p\log^2 n\log(n/p))$，另一种为 $O(n\log n + p^2\log^2(n/p))$。其关键创新在于脊柱树分解与以根为中心的中心放置策略，通过分数级联和类似 AKS 的排序网络实现更快的可行性测试，首次打破了针对一般 $p$ 的 30 年前 $O(n\log^2 n)$ 边界。当 $p = O(\sqrt{n})$ 时，新算法优于以往工作，并为最小最大 regret $p$-中心查询提供了亚二次解法。

ABSTRACT

We present two improved algorithms for weighted discrete $p$-center problem for tree networks with $n$ vertices. One of our proposed algorithms runs in $O(n \log n + p \log^2 n \log(n/p))$ time. For all values of $p$, our algorithm thus runs as fast as or faster than the most efficient $O(n\log^2 n)$ time algorithm obtained by applying Cole's speed-up technique [cole1987] to the algorithm due to Megiddo and Tamir [megiddo1983], which has remained unchallenged for nearly 30 years. Our other algorithm, which is more practical, runs in $O(n \log n + p^2 \log^2(n/p))$ time, and when $p=O(\sqrt{n})$ it is faster than Megiddo and Tamir's $O(n \log^2n \log\log n)$ time algorithm [megiddo1983].

研究动机与目标

• 解决长期悬而未决的开放问题：对于任意 $p$，树网络上的 $p$-中心算法是否能优于 $O(n\log^2 n)$ 的时间复杂度？
• 改进 Megiddo 和 Tamir（1983）提出的 $O(n\log^2 n\log\log n)$ 时间复杂度算法，该算法近三十年来未被超越。
• 为树网络上的加权离散 $p$-中心问题设计实际且渐近高效的算法。
• 通过在 $O(p\log(n/p)\log n)$ 时间内支持顶点权重增加的查询，实现对最小最大 regret $p$-中心查询的高效动态更新。

提出的方法

• 采用脊柱树分解将树的高度限制在 $O(\log n)$，简化中心的分层处理。
• 提出一种以根为中心的位置策略，根据子树覆盖范围和代价线指导最优中心放置。
• 利用分数级联加速可行性测试，减少脊柱各层级之间的比较次数。
• 设计一种 $O(p\log(n/p))$ 时间复杂度的可行性测试方法，用于给定 $\alpha$ 值，通过上包络计算与代价线交点实现。
• 应用类似 AKS 的排序网络并结合 Cole 的加速技术，将总可行性测试次数减少至 $O(\log^2 n)$，实现接近最优的性能。
• 在 $O(n\log n)$ 时间内预处理上包络与弯折点序列，以支持顶点权重变化下的快速动态查询。

实验结果

研究问题

• RQ1 对于任意 $p$，树网络上的 $p$-中心问题能否在优于 $O(n\log^2 n)$ 的时间复杂度内求解？
• RQ2 当 $p = O(\sqrt{n})$ 时，能否设计出实际性能优于 Megiddo 和 Tamir 的 $O(n\log^2 n\log\log n)$ 算法的实用算法？
• RQ3 能否利用分数级联与脊柱分解技术，减少参数搜索中 $p$-中心问题的可行性测试次数？
• RQ4 如何在不重新计算预处理数据的前提下，高效支持顶点权重的动态更新？
• RQ5 所提出的框架能否被扩展，以在亚二次时间内求解最小最大 regret $p$-中心问题？

主要发现

• 所提算法的时间复杂度为 $O(n\log n + p\log^2 n\log(n/p))$，优于 Cole 对 Megiddo 和 Tamir 算法加速后得到的 $O(n\log^2 n)$ 边界。
• 当 $p = O(\sqrt{n})$ 时，实际算法的时间复杂度为 $O(n\log n + p^2\log^2(n/p))$，快于 Megiddo 和 Tamir 的 $O(n\log^2 n\log\log n)$ 算法。
• 在 $O(n\log n)$ 预处理后，给定 $\alpha$ 值的可行性测试可在 $O(p\log(n/p))$ 时间内完成，支持高效的参数搜索。
• 分数级联将可行性测试调用次数减少了 $O(\log n)$ 倍，显著降低了时间复杂度。
• 该算法支持动态查询：当顶点权重被任意增加时，可在 $O(p\log(n/p)\log n)$ 时间内回答查询，无需重新计算上包络。
• 该框架可实现最小最大 regret $p$-中心问题的亚二次解法，预处理后查询时间复杂度为 $O(p\log(n/p)\log n)$。