[论文解读] Using Optimization to Find Maximum Inscribed Balls and Minimum Enclosing Balls

Zeyuan Allen Zhu, Zhenyu Liao+1 more|arXiv (Cornell University)|Dec 2, 2014

Computational Geometry and Mesh Generation参考文献 26被引用 3

一句话总结

本文提出了一种简单、近乎线性时间的一阶优化算法，用于在 $d$-维空间中计算最大内接球（MaxIB）和最小外接球（MinEB）问题的 $(1\pm\varepsilon)$-近似解。通过将这两个几何问题重新表述为代数形式的凸优化任务，该方法在运行时间上优于以往的方法，尤其在 MaxIB 问题上实现显著加速，同时在 MinEB 问题上提供更简洁且性能相当的解决方案。

ABSTRACT

We study two fundamental problems in computational geometry: finding the maximum inscribed ball (MaxIB) inside a polytope defined by $m$ hyperplanes in a $d$-dimensional space, and finding the minimum enclosing ball (MinEB) of a set of $n$ points in a $d$-dimensional space. We translate both geometry problems into purely algebraic optimization questions, and apply ideas from first-order convex optimizations to obtain simple and nearly-linear-time algorithms. For MaxIB, our algorithm produces a $(1-\varepsilon)$-approximate solution in time $ ilde{O}(m d \alpha / \varepsilon)$, compared to the best known running time $ ilde{O}(m d \alpha^3 / \varepsilon^3)$ of Xie, Snoeyink, and Xu [XSX06], where $\alpha \geq 1$ is the aspect ratio of the polytope. For MinEB, our algorithm produces a $(1+\varepsilon)$-approximate solution in time $ ilde{O}(n d / \sqrt{\varepsilon})$. This result matches the previous best running time, while yielding a simpler algorithm. For both problems, we provide an empirical evaluation showing the improved performance of our algorithms.

研究动机与目标

• 开发更快且更简单的算法，用于计算 $d$-维空间中近似最大内接球与最小外接球。
• 解决现有 MaxIB 方法中的计算瓶颈，特别是对纵横比 $\alpha$ 和 $\varepsilon$ 的高依赖性。
• 在保持或超越最小外接球（MinEB）最佳已知运行时间的同时，简化算法设计。
• 通过实验验证所提出的基于优化的方法相较于以往技术的性能提升。

提出的方法

• 将 MaxIB 和 MinEB 问题重新表述为代数形式的凸优化问题，从而可应用一阶优化方法。
• 应用一阶凸优化技术求解重构后的问题，并保证收敛性。
• 采用带定制步长的投影梯度型方法，以获得 $(1\pm\varepsilon)$-近似解。
• 利用多面体与点集的结构特性，设计高效的黑箱查询机制以实现梯度与投影计算。
• 提出一种新颖的分析框架，将 MaxIB 问题的迭代次数上界表示为 $m$、$d$、$\varepsilon$ 和纵横比 $\alpha$ 的函数。
• 通过利用输入数据中的稀疏性与低维结构，实现近乎线性时间复杂度。

实验结果

研究问题

• RQ1 一阶优化方法能否有效应用于 MaxIB 和 MinEB 等几何问题，以实现接近线性时间复杂度？
• RQ2 多面体的纵横比 $\alpha$ 如何影响 MaxIB 算法的收敛速度与运行时间？
• RQ3 能否设计一种更简单的算法，在保持 $(1+\varepsilon)$-近似质量的前提下，达到 MinEB 问题的最佳已知运行时间？
• RQ4 在实际应用中，所提方法相较于现有方法的性能提升程度如何？

主要发现

• 所提出的 MaxIB 算法时间复杂度为 $\tilde{O}(m d \alpha / \varepsilon)$，优于 Xie、Snoeyink 和 Xu 的先前最优结果 $\tilde{O}(m d \alpha^3 / \varepsilon^3)$。
• 对于 MinEB，算法在 $\tilde{O}(n d / \sqrt{\varepsilon})$ 时间内获得 $(1+\varepsilon)$-近似解，达到最佳已知运行时间。
• 新 MaxIB 算法在 $\varepsilon$ 和 $\alpha$ 上实现了多项式级加速，尤其在高精度或高纵横比输入下优势显著。
• MinEB 算法较以往方法更简洁，同时保持相同的渐近时间复杂度，提升了可实现性与效率。
• 实验评估证实，两种算法在实际应用中均优于现有方法，尤其在高维与大规模场景下表现更优。
• 几何问题的代数重构使一阶优化技术能够以统一且模块化的方式应用于计算几何问题。