Simpler is Faster: Practical Distance Reporting by Sorting Along a Space-Filling Curve
IT University of Copenhagen(哥本哈根信息技术大学);Technical University of Denmark(丹麦技术大学);Heidelberg University(海德堡大学)
本文提出通过沿空间填充曲线排序来提高距离报告查询的效率,实验表明其在空间使用、构建时间和查询性能上均优于现有方法。
2025-12-04 cs.CG
Efficient Range Reporting of Convex Hull
我们考虑在二维正交范围查询中报告凸包点的问题。形式上,让$P$是$\mathbb{R}^{2}$中的一组$n$点。如果一个点位于点集$S$的最小凸多边形的边界上,则该点位于点集$S$的凸包上。在本文中,我们感兴趣的是找到点,在$P$中的点,也落在一个正交范围$[x_{lt},x_{rt}]\times{}[y_b, y_t]$的凸包的边界上。我们提出了一个$O(n \log^{2} n) $空间数据结构,可以支持在一个正交范围内的凸包上的报告点,在时间$O(\log^{3} n + h)$。这里$h$是输出的大小。这项工作改进了(Brass et al. 2013)\cite{brass}的结果,该结果构建了一个使用$O(n \log^{2} n)$空间并具有$O(\log^{5} n + h)$查询时间的数据结构。此外,我们表明,我们的数据结构可以稍微修改,以解决其他相关问题。例如,为了计算正交查询矩形中凸包上的点数,我们提出了一种可以在$O(\log^{3} n)$时间上查询的$O(n \log^{2}n)$空间数据结构。我们还提出了一种$O(n \log^{2} n) $空间数据结构,可以在$O(\log^{3} n$)时间内计算正交范围查询内凸包的$area$和$perimeter$。
2013-07-23 cs.CG
4D Range Reporting in the Pointer Machine Model in Almost-Optimal Time
在正交范围报告问题中,我们必须对多维点集$P$进行预处理,以便对于任意轴平行的查询矩形$q$,可以有效地报告来自$q\cap P$的所有点。本文研究了指针机模型下多维正交范围报告的查询复杂度。我们提出了一个数据结构,回答四维正交范围报告查询在几乎最佳的时间$O(\log n\log\log n + k)$和使用$O(n\log^4 n)$空间,其中$n$是$P$和$k$是在$q\cap P$点的数量。这是第一个具有接近线性空间使用的数据结构,在4d中实现了几乎最佳的查询时间。这个结果可以立即推广到$d\ge 4$维度:我们表明,有一个数据结构支持$d$维范围报告查询的时间$O(\log^{d-3} n\log\log n+k)$任何常数$d\ge 4$。
2022-11-06 cs.CG cs.DS
An Optimal Lower Bound for Simplex Range Reporting
我们给出了一个简化和改进的下界的单纯形范围报告问题。我们表明,给定一组$P$的$n$点$\mathbb{R}^d$,任何数据结构,使用$S(n)$空间来回答这样的查询必须有$Q(n)=Ω((n^2/S(n))^{(d-1)/d}+k)$查询时间,其中$k$是输出大小。对于近线性空间数据结构,即,$S(n)=O(n\log^{O(1)}n)$,这改进了Chazelle和Rosenberg [CR96]和Afshani [A12]以前的下界,但也许更重要的是,它是第一个严格的下界,用于搜索$d\ge 3$维的单纯形范围的任何变体。我们得到我们的下界,使一个简单的连接,充分研究的问题,在入射几何,使我们能够使用已知的建设在该地区。我们观察到,一个简单的已经存在的结构的一个小的修改可以导致我们的下界。我们相信,我们的证明可以被更广泛的受众所接受,至少与之前Chazelle和Rosenberg [CR96]和Afshani [A12]基于测度论证的复杂概率证明相比。近线性空间数据结构的紧或几乎紧(直到多对数因子)下界的缺乏是在诸如证明多级数据结构的下界之类的问题上取得进展的主要瓶颈。我们希望这种基于关联几何的新攻击路线能够在该领域取得进一步进展。
2022-10-26 cs.CG
New Data Structures for Orthogonal Range Reporting and Range Minima Queries
在本文中,我们提出了新的数据结构的两个广泛研究的正交范围搜索问题的变种。首先,我们描述了一个数据结构,支持二维正交范围最小查询$O(n)$空间和$O(\log^{\varepsilon} n)$时间,其中$n$是在数据结构中的点的数量和$\varepsilon$是一个任意小的正常数。先前已知的用于该问题的线性空间解决方案需要$O(\log^{1+\varepsilon} n)$(Chazelle,1988)或$O(\log n\log \log n)$时间(Farzan等人,2012年)。我们的数据结构的修改使用空间$O(n\log \log n)$,并支持范围最小查询的时间$O(\log \log n)$。这两个结果都可以扩展到支持三维五边报告查询。接下来,我们转向四维正交范围报告问题,并提出了一个数据结构,回答查询在最佳的$O(\log n/\log \log n + k)$时间,其中$k$是答案中的点数。这是第一个数据结构,实现了最佳的查询时间为这个问题。我们的结果是通过利用三维浅岩屑的性质。
2020-07-21 cs.CG cs.DS
Range Reporting for Moving Points on a Grid
在本文中,我们描述了一种新的数据结构,支持正交范围报告查询的一组点,沿着线性轨迹上的$U\times U$网格。点位于$U\times U$网格上的假设使我们能够与标准动力学模型相比显着减少查询时间。我们的数据结构在$O(\sqrt{\log U/\log \log U}+k)$时间内回答查询,其中$k$表示答案中的点数。以上改进了在无限精度动力学模型中有效的$Ω(\log n)$下限。本文中使用的方法也可能是独立的利益。
2010-02-18 cs.CG cs.DS
Range Reporting for Time Series via Rectangle Stabbing
本文研究一维环境下的Fréchet查询问题,通过将其归约为矩形刺探问题,利用已知数据结构改进了存储空间和查询时间的边界,并证明了相应的下界。
2024-01-08 cs.CG
External Memory Three-Sided Range Reporting and Top-$k$ Queries with Sublogarithmic Updates
提出了一种外部存储器数据结构,用于在点的插入和删除下维护$N$二维点的动态集合,并支持3边范围报告查询和顶- $k$查询,其中顶- $k$查询报告在给定$x$范围内具有最高$y$值的$k$点。对于任何常数$0<\varepsilon\leq \frac{1}{2}$,构建支持摊销的$O(\frac{1}{\varepsilon B^{1-\varepsilon}}\log_B N)$ IO中的更新和摊销的$O(\frac{1}{\varepsilon}\log_B N+K/B)$ IO中的查询的数据结构,其中$B$是外部存储器块大小,$K$是查询的输出大小(对于顶部$k$查询,$K$是$k$和查询间隔中的点数的最小值)。数据结构使用线性空间。更新边界是一个显着的因素$B^{1-\varepsilon}$改善以前的最佳更新边界的两个查询问题,同时保持在相同的查询和空间的界限。
2015-09-28 cs.CG cs.DS
Four-Dimensional Dominance Range Reporting in Linear Space
在本文中,我们研究了四维优势范围报告问题,并提出了线性或几乎线性空间使用的数据结构。我们的结果也可以用来回答四维查询,有界的五个方面。本文提出的第一种数据结构使用线性空间,在$O(\log^{1+\varepsilon}n + k\log^{\varepsilon} n)$时间内回答查询,其中$k$是报告的点数,$n$是数据结构中的点数,$\varepsilon$是任意小的正常数。我们的第二个数据结构使用$O(n \log^{\varepsilon} n)$空间,并在$O(\log n+k)$时间内回答查询。这些是这个问题的第一个数据结构,使用线性(分别为)。$O(n\log^{\varepsilon} n)$)空间,并在多对数时间内回答查询。为了比较,以前已知的最快的线性空间或$O(n\log^{\varepsilon} n)$空间数据结构支持在$O(n^{\varepsilon} + k)$时间内的查询(Bentley和Mauer,1980)。我们的结果可以推广到$d\ge 4$维数。例如,我们可以使用$O(n\log^{d-4+\varepsilon}n)$空间在$O(\log\log n (\log n/\log\log n)^{d-3} + k)$时间内回答$d$维优势范围报告查询.与以前已知的最快结果(Chan,2013)相比,我们的数据结构在不增加查询时间的情况下减少…
2020-03-15 cs.CG cs.DS
Space Efficient Multi-Dimensional Range Reporting
我们提出了一个数据结构,支持三维范围报告查询在$O(\log \log U + (\log \log n)^3+k)$时间和使用$O(n\log^{1+\eps} n)$空间,其中$U$是宇宙的大小,$k$是答案中的点数,和$\eps$是一个任意常数。这个结果改进了Alstrup、Brodal和Rauhe的数据结构使用$O(n\log^{1+\eps} n)$空间并支持$O(\log n+k)$时间查询的Nekrich(SoCG'07)的数据结构,使用$O(n\log^{3} n)$空间并支持$O(\log \log U + (\log \log n)^2 + k)$时间查询的Nekrich的数据结构,和Afshani的数据结构(ESA'08)它使用$O(n\log^{3} n)$空间,也支持$O(\log \log U + (\log \log n)^2 + k)$时间查询,但依赖于预处理阶段的随机化。我们的结果使我们能够显着减少空间使用的最快的以前已知的静态和增量$d$维数据结构,$d\geq 3$,在查询时间增加了一个可以忽略不计的$O(\log \log n)$因素的成本。
2009-04-24 cs.CG cs.DS
Fully Retroactive Approximate Range and Nearest Neighbor Searching
我们描述了完全追溯的动态数据结构的近似范围报告和近似最近邻报告。我们将展示如何维护,任何积极的常数$d$,一组$n$点在$\R^d$索引的时间,这样我们就可以执行插入或删除在时间轴中的任何一点在$O(\log n)$摊销时间。对于任何小的常量$ε>0$,我们支持$(1+ε)$ -在$O(\log n + k)$时间中的时间轴的任何点的近似范围报告查询,其中$k$是输出大小。我们还展示了如何回答$(1+ε)$ -近似最近邻查询的任何点在过去或现在的$O(\log n)$时间。
2011-09-01 cs.CG cs.DS
On strictly output sensitive color frequency reporting
Utrecht University(乌得勒支大学)
本文研究了在轴对齐盒子或主导范围查询中,如何高效报告颜色频率,提出了一种近最优的数据结构,并展示了其在二维和更高维度中的扩展。
2026-07-24 cs.CG
Dynamic Unit-Disk Range Reporting
本文研究动态单位圆盘范围报告问题,通过提出圆弧浅切割算法将查询时间从 O(log^2 n/log log n+k) 改进为 O(log n+k),同时保持更新复杂度不变,并进一步优化了动态单位圆盘范围空查询的更新时间与查询时间。
2024-12-30 cs.CG cs.DS
Orthogonal Range Searching on the RAM, Revisited
在计算几何中,正交范围搜索是研究最广泛的课题之一,我们提出了几个新的结果。我们的所有结果都是在标准字RAM模型的秩空间中的点:** 我们提出了两个数据结构的2-D正交范围空虚。第一个实现O(nlglg n)空间和O(lglg n)查询时间。这改进了Alstrup,Brodal,and Rauhe(FOCS'00)以前的结果,其空间复杂度为O(nlg ^eps n),查询时间复杂度为O(lglg n),或者其空间复杂度为O(nlglg n),查询时间复杂度为O(lg^2 lg n)。我们的第二个数据结构使用O(n)空间,并在O(lg^eps n)时间内回答查询。Nekrich(WADS'07)提出的最佳O(n)空间数据结构在O(lg n/lglg n)时间内回答查询。** 对于3-d正交范围报告,对于任何常数eps>0,我们获得空间O(n lg^{1+eps} n)和查询时间O(lglg n + k)。这改进了Afshani(ESA'08),Karpinski和Nekrich(COCOON'09)和Chan(SODA'11)的先前结果,空间复杂度为O(n lg^3 n),查询时间复杂度为O(lglg n + k),或者空间复杂度为O(n lg^{1+eps} n),查询时间复杂度为O(lg^2 lg n + k)。这意味着在3以上的所有恒定维度中正交范围报告的改进的界限。** 我们给…
2011-03-28 cs.CG cs.DS
On the complexity of range searching among curves
现代跟踪技术已经使得大量密集采样的移动对象轨迹的收集广泛可用。我们认为一个基本的问题时遇到的分析这样的数据:给定$n$多边形曲线$S$在$\mathbb{R}^d$,预处理$S$到一个数据结构,回答查询曲线$q$和半径$ρ$的曲线$S$有\Frechet距离最多$ρ$到$q$。我们开始全面分析的空间/查询时间权衡这个数据结构化问题。我们的下限意味着,在指针模型模型中,任何达到$Q(n) + O(k)$查询时间的数据结构,其中$k$是输出大小,在最坏的情况下,必须使用大约$Ω\left((n/Q(n))^2\right)$空间,即使查询仅仅是点(对于离散的\Frechet距离)或线段(对于连续的\Frechet距离)。更重要的是,我们表明,更复杂的查询和输入曲线导致额外的对数因子的下限。粗略地说,添加的对数因子的数量与添加到查询和输入曲线复杂度的边的数量成线性关系。这意味着空间/查询时间的权衡是由输入和查询复杂性的指数因子决定的。这种行为解决了范围搜索文献中的一个悬而未决的问题:是否有可能避免在多级分区树的空间和查询时间中使用额外的对数因子。我们对这个问题的回答是否定的。在积极的一面,我们表明,我们可以建立数据结构的\Frechet距离使用半代数范围搜索。我们的离散\Frechet距离的解与下限一致,因为数据结构中的级别数是$O(t)$,其中$t$表示曲线的最大顶点数。对于连续的\F…
2017-07-15 cs.CG
Priority Range Trees
我们描述了一个数据结构,称为优先级范围树,它可以容纳快速正交范围报告查询优先点。令$S$是平面中的一组$n$点,其中$S$中的每个点$p$被分配一个在$n$中为多项式的权重$w(p)$,并且将$p$的秩定义为$r(p)=\lfloor \log w(p) \rfloor$。然后,优先级范围树可以用于报告三边或四边查询范围$R$中的所有点,其中在时间$O(\log W/w + k)$中排名至少为$\lfloor \log w \rfloor$,并且在时间$O(\log\log n + \log W/w' + k)$中报告$k$中排名最高的点,其中$W=\sum_{p\in S}{w(p)}$,$w'$是所报告的任何点的最小权重,并且$k$是输出大小。所有时间都假设标准的RAM计算模型。如果感兴趣的查询范围是三边的,则优先级范围树占用$O(n)$空间,否则使用$O(n\log n)$空间来回答四边查询。这些查询的动机是Weber-Fechner定律,该定律指出人类在对数尺度上感知和解释数据。
2010-09-18 cs.CG
Simplex Range Searching Revisited: How to Shave Logs in Multi-Level Data Structures
我们重新讨论了计算几何中的单纯形范围搜索的经典问题和相关问题。我们提出了一个新的结果,提高了以前的界限由多个对数因子,是由使用多级数据结构。重点包括:$\bullet$对于一组$n$点在一个恒定的维度$d$,我们给数据结构与$O(n^d)$(或稍好)的空间,可以回答最佳的$O(\log n)$时间和最佳的$O(\log n + k)$时间,其中$k$表示的输出大小的单纯形范围计数查询。对于半群范围搜索,我们得到了$O(n^d\mathop{\rm polylog}n)$空间的$O(\log n)$查询时间。Matoušek在近三十年前提出的具有类似空间边界的先前数据结构具有$O(\log^{d+1}n)$或$O(\log^{d+1}n + k)$查询时间。$\bullet$对于一组$n$单形在一个恒定的维度$d$,我们给出了数据结构与$O(n)$空间,可以回答刺计数查询(计数包含一个查询点的单形的数量)在$O(n^{1-1/d})$时间,刺报告查询在$O(n^{1-1/d}+k)$时间。以前的数据结构在空间和查询时间方面有额外的$\log^d n$因子。对于二维$n$(可能相交)线段的集合,给出了一种$O(n)$空间的数据结构,该数据结构可以在$O(\sqrt{n})$时间内回答射线射击查询。这改进了Wang最近的数据结构[SoCG'20],具有$O(n\log n)$空间和$O(…
2022-10-20 cs.CG cs.DS
Unit-Disk Range Searching and Applications
给定平面中$n$点的集合$P$,我们考虑计算查询单元盘中$P$的点数的问题(即,所有查询盘具有相同的半径)。我们表明,在平面上的单纯形范围搜索的主要技术可以适应这个问题。例如,通过修改Matoušek的结果,我们可以构建$O(n)$空间的数据结构,以便每个查询都可以在$O(\sqrt{n})$时间内得到回答。我们的技术导致其他几个经典问题的改进,如批量范围搜索,计数/报告单位圆的相交对,距离选择,离散2-中心等。例如,给定一组$n$单位圆盘和平面中的一组$n$点,批量范围搜索问题是计算每个圆盘中的点数。1997]在$O(n^{4/3}\log n)$时间内解决了这个问题,而我们的新算法在$O(n^{4/3})$时间内运行。
2022-04-19 cs.CG cs.DS
Unifying the Landscape of Cell-Probe Lower Bounds
我们发现,大部分的数据结构的下限今天已知的事实上遵循减少从通信复杂性的不平衡(不对称)集不相交。这包括下界:* 高维问题,目标是显示大空间下界。* 常维几何问题,其目标是将查询时间限制为空间O(n polylog n)。* 动态问题,我们正在寻找查询和更新时间之间的权衡。(In在这种情况下,我们的边界比原始边界稍弱,损失了lglg n因子。)我们的减少也意味着以下新的结果:* 一个欧米茄(lg n / lglg n)的4维范围报告,给定空间O(n polylog n)。这是非常及时的,因为最近的结果在O(lglg n)时间内解决了3D报告,提高了更高维度也很容易的前景。* 对于恒定的查询时间,部分匹配问题的紧空间下界。* 可达性预言的第一个下界。在这个过程中,我们证明了最佳的随机下界不平衡集不相交。
2010-10-19 cs.CC cs.CG cs.DS