Fine-Grained Complexity Theory: Conditional Lower Bounds for Computational Geometry
细粒度复杂性理论(Fine-grained Complexity Theory)是理论计算机科学的一个领域,它证明了基于强指数时间假设和类似假设的条件下界。这一领域在过去的十年中一直蓬勃发展,导致有条件的最佳算法的各种各样的问题,图形,字符串,数字等,本文是一个介绍细粒度的下限在计算几何,重点是多项式时间问题的下界的基础上的正交向量假设。具体来说,我们讨论了条件下的最近邻搜索下的欧氏距离和Fréchet距离的下限。
2021-10-19 cs.CG cs.DS
A Refined Approximation for Euclidean k-Means
在欧几里德$k$ -均值问题中,我们给出了欧几里德空间中的$n$点的集合$D$和正整数$k$。我们的目标是在同一空间(中心)中识别一组$k$点,以最小化$D$中每个点与最近中心之间的欧氏距离平方和。已知该问题是APX困难的,并且当前最佳近似比是基于该问题的标准LP的原始-对偶$6.357$近似[Ahmadian et al. FOCS'17,SICOMP'20]。在本说明中,我们将展示如何一个小的修改艾哈迈迪等。的分析导致略微改进的$6.12903$近似。作为相关结果,我们还证明了所述线性规划至少具有$\frac{16+\sqrt{5}}{15}>1.2157$的完整性间隙.
2021-09-20 cs.CG cs.DS
Tight Lower Bounds for Approximate & Exact $k$-Center in $\mathbb{R}^d$
在离散$k$ -中心问题中,我们给出了一个度量空间$(P,\texttt{dist})$,其中$|P|=n$和目标是选择一组$C\subseteq P$的$k$中心,使$P$中的一点到其最近中心的最大距离最小。对于任何$ε>0$,Agarwal和Procopiuc [SODA '98,Escherichia'02]设计了一个$(1+ε)$ -近似算法,这个问题在$d$维欧几里德空间运行在$O(dn\log k) + \left(\dfrac{k}ε\right)^{O\left(k^{1-1/d}\right)}\cdot n^{O(1)}$时间。在本文中,我们表明,他们的算法本质上是最优的:如果一些$d\geq 2$和一些可计算的功能$f$,有一个$f(k)\cdot \left(\dfrac{1}ε\right)^{o\left(k^{1-1/d}\right)} \cdot n^{o\left(k^{1-1/d}\right)}$时间算法$(1+ε)$ -近似的离散$k$ -中心的$n$点在$d$维欧几里德空间然后指数时间假设(ETH)失败。我们通过设计从Marx和Sidiropoulos [SoCG '14]定义的$d$ -维约束满足问题(CSP)到离散$d$ -维$k$ -中心的间隙减少来获得我们的下界。作为我们的减少的副产品,我们还得到了Agarwal和Procopiu…
2022-03-16 cs.CC cs.CG cs.DM
Computing the Center Region and Its Variants
我们提出了一个$O(n^2\log^4 n)$ -时间算法,用于计算一组$n$点在三维欧氏空间中的中心区域。这改进了Agarwal、Sharir和Welzl以前最著名的算法,该算法对任何$ε> 0$都需要$O(n^{2+ε})$时间。在最坏的情况下,中心区域的组合复杂度为$Ω(n^2)$,因此我们的算法几乎是紧的。我们还考虑了在二维欧氏空间中计算中心区域的彩色版本的问题,并提出了一个$O(n\log^4 n)$时间算法。
2019-10-27 cs.CG
Algorithms for Tverberg's theorem via centerpoint theorems
我们得到的算法计算Tverberg分区的中心点近似的基础上。这适用于广泛的凸性空间,从经典的欧几里得设置到图中的测地凸性。在欧几里德的设置,我们提出的概率算法是弱多项式的点数和维数。对于图的测地凸性,我们得到了仙人掌图的确定性算法,并证明了求Radon数的一般问题是NP-困难的。
2017-11-01 cs.CG math.CO
Computing the $L_1$ Geodesic Diameter and Center of a Polygonal Domain
对于具有$h$孔洞和$n$顶点的多边形区域,我们分别给出了在$O(n^2+h^4)$时间计算$L_1$测地直径和在$O((n^4+n^2 h^4)α(n))$时间计算$L_1$测地中心的算法,其中$α(\cdot)$表示逆Ackermann函数.以前没有已知的算法来解决这些问题。对于欧几里得对应体,最好的算法在$O(n^{7.73})$或$O(n^7(h+\log n))$时间内计算测地线直径,并在$O(n^{11}\log n)$时间内计算测地线中心。因此,我们的算法是显着快于欧几里德问题的算法。我们的算法是基于几个有趣的观察$L_1$最短路径的多边形域。
2016-11-09 cs.CG cs.DS
Near-Optimal Bounds for Parameterized Euclidean k-means
Google Research(谷歌研究);Rutgers University(罗格斯大学);Université Paris Cité, CNRS(巴黎西岱大学,法国国家科学研究中心);Aarhus University(奥胡斯大学)
本文基于XXH假设,证明了欧几里得k均值问题在时间复杂度上的下界,且展示了精确算法在小k值时的最优性。
2026-03-30 cs.CC cs.CG cs.DS
Fully Dynamic $k$-Center in Low Dimensions via Approximate Furthest Neighbors
设$P$是度量空间中的点集。近似最远邻居问题是,给定第二点集$C,$,以找到作为来自$C.$的$(1+ε)$近似最远邻居的点$p \in P$。动态版本是在点的插入和删除上保持$P,$,在某种程度上,允许有效地解决目前的$P.$的近似最远邻居问题,我们提供了第一个算法,解决这个问题的度量空间有限倍维度我们的算法是建立在导航网数据结构之上的。一个直接的应用是解决动态$k$中心问题的两个新算法。第一种方法是在有界双维的一般度量空间中动态地保持$(2+ε)$近似$k$ -中心,第二种方法是保持$(1+ε)$近似欧氏$k$ -中心.这两种动态算法的工作原理是从一个已知的相应的静态算法求解近似$k$ -中心,并取代静态的精确最远邻居子程序所使用的算法与我们新的动态近似最远邻居。与以前的算法动态$k$ -中心与这些相同的近似比,我们的新的不需要知道$k$或$ε$提前。在欧几里德的情况下,我们的算法似乎也是第一个确定性的解决方案。
2023-02-20 cs.CG cs.DS
Hardness of Median and Center in the Ulam Metric
本文研究Ulam度量下排名聚合的中位数和中心点问题,证明连续设置下中位数计算为NP困难,并完全解决离散设置的细粒度复杂性,证明朴素算法条件最优。
2025-04-23 cs.CC cs.CG cs.DS
Stochastic $k$-Center and $j$-Flat-Center Problems
求解不确定数据上的几何优化问题在许多应用中变得越来越重要,近年来引起了人们的广泛关注。本文研究了欧几里得空间中随机/不确定数据点上的两个重要几何优化问题:$k$ -中心问题和$j$ -平坦中心问题。对于随机$k$ -中心问题,我们希望在固定维的欧氏空间中找到$k$点,使得$k$ -中心目标的期望值最小化。对于随机$j$ -平坦中心问题,我们寻求一个$j$ -平坦(即,$j$维仿射子空间),使得从任何点到$j$ -平坦的最大距离的期望值最小化。我们考虑两个流行的随机几何模型,存在的不确定性模型,其中每个点的存在可能是不确定的,和位置的不确定性模型,其中每个点的位置可能是不确定的问题。在这两种模型下,我们为这两个问题提供了第一个PTAS(多项式时间近似方案)。我们的结果推广了以前关于随机最小封闭球和随机封闭柱的结果。
2016-09-10 cs.CG
On the Fine-Grained Complexity of Small-Size Geometric Set Cover and Discrete $k$-Center for Small $k$
本文研究小$k$值下离散$k$-中心与小尺寸几何集合覆盖的细粒度复杂度,提出多个次平方算法并基于主流假设证明多维度、多场景下的问题下界,部分下界与已知上界几乎匹配。
2023-05-03 cs.CG cs.DS
Euclidean k-center Fair Clusterings
Gunma University(群马大学)
本文定义了一种带颜色上下界约束的欧几里得 k-中心公平聚类问题,并设计了多项式时间算法来求解最优公平聚类。
2025-11-10 cs.CG
On Approximating the Riemannian 1-Center
本文将Badoiu和Clarkson(2003)的简单欧氏1-中心近似算法推广到黎曼几何,并研究了其收敛速度.然后,我们展示了如何将这个通用算法实例化到两个特定的情况:(1)双曲几何,和(2)对称正定矩阵的黎曼流形。
2012-04-18 cs.CG
A Composable Coreset for k-Center in Doubling Metrics
给出了度量空间中的点集$P$和常整数$k$。$k$ -中心问题在$P$中找到$k$点作为中心,使得$P$的任何点到其最近中心$(r)$的最大距离最小化。加倍度量是度量空间,其中对于任何$r$,半径为$r$的球可以使用常数数量的半径为$r/2$的球来覆盖。固定维欧氏空间是加倍度量。在欧氏空间中,$k$ -中心的逼近因子的下界是$1.822$,然而,存在指数依赖于$\frac{1}ε$和$k$的$(1+ε)$ -逼近算法.对于给定的集合$P_1,\ldots,P_L$的集合,可组合的核心集独立地计算子集$C_1\subset P_1, \ldots, C_L\subset P_L$,使得$\cup_{i=1}^L C_i$包含集合$\cup_{i=1}^L P_i$的度量的近似。本文针对$k$ -中心提出了一种$(1+ε)$ -近似可合成的核集,它在$|P|$中具有次线性的尺寸.这导致在MapReduce中的$k$ -中心的$(2+ε)$ -近似算法,其具有用于任何$ε>0$和次线性通信的加倍度量的恒定轮数,其基于参数修剪。我们证明了中心数$(k)$和半径$(r)$之间的权衡的指数性质,并给出了一个相关的问题,称为双聚类的可组合的coreset。同时,我们给出了一个新的参数剪枝算法,它包括$O(\frac{nk}ε)$运行时间、$O(n)$空间和度量$k$ -中心的$2+ε$逼近因子.
2019-04-24 cs.CG cs.DS
Improved Coresets for Euclidean $k$-Means
给定$d$维度中的一组$n$点,欧几里德$k$ -均值问题(分别为:欧几里德$k$ -中值问题)包括找到$k$中心,使得平方距离(分别为距离之和)被最小化。在大数据环境中处理这个问题最流行的方法是首先通过计算一个称为coreset的加权子集来压缩数据,然后在这个子集上运行任何算法。核心集的保证是,对于任何候选解决方案,核心集成本与原始实例成本之间的比率小于$(1\pm \varepsilon)$因子。当前技术水平的核心集大小是$\tilde O(\min(k^{2} \cdot \varepsilon^{-2},k\cdot \varepsilon^{-4}))$(用于Euclidean $k$ -均值)和$\tilde O(\min(k^{2} \cdot \varepsilon^{-2},k\cdot \varepsilon^{-3}))$(用于Euclidean $k$ -中值)。这两个问题最著名的下界是$Ω(k \varepsilon^{-2})$。本文改进了$k$ -means的上界$\tilde O(\min(k^{3/2} \cdot \varepsilon^{-2},k\cdot \varepsilon^{-4}))$和$k$ -median的上界$\tilde O(\min(k^{4/3} \cdot \varepsilon^{-2},k\cdot \vareps…
2022-11-16 cs.CG cs.LG
Improved Approximations for Euclidean $k$-means and $k$-median, via Nested Quasi-Independent Sets
Google Research(谷歌研究院);Massachusetts Institute of Technology(麻省理工学院)
受数据分析和机器学习应用的启发,我们考虑了流行的高维欧氏$k$ -中位数和$k$ -均值问题。我们提出了一个新的原始-对偶算法,灵感来自经典算法的Jain和Vazirani和最近的算法的Ahmadian,Norouzi-Fard,Svensson,和沃德。我们的算法实现了$2.406$和$5.912$的近似比为欧几里德$k$ -中位数和$k$ -均值,分别提高了Ahmadian等人的2.633近似比和Grandoni,Ostrovsky,Rabani,Schulman和Venkat的6.1291近似比。我们的技术涉及更强的利用欧几里德度量比以前的工作欧几里德聚类。此外,我们引入了一个新的方法,去除多余的中心使用的一个变种的独立集的图,我们称之为“嵌套的准独立集“。反过来,这种技术可能是在欧几里德和$\ell_p$度量空间的其他优化问题的兴趣。
2022-04-12 cs.CG cs.DS cs.LG
A Constant Approximation for Colorful k-Center
在本文中,我们考虑彩色$k$ -中心问题,这是一个推广的著名的$k$ -中心问题。在这里,我们给出了度量空间中的红色和蓝色点,以及每种颜色的覆盖要求。目标是找到最小半径$ρ$,使得利用半径为$ρ$的$k$球,可以覆盖每种颜色的期望数量的点。我们得到一个常数近似这个问题在欧几里德平面。我们通过结合适用于任何度量空间的“伪近似”算法和适用于平面中特殊类别实例的近似算法来获得此结果。后一种算法使用一种新的连接到图中的某个匹配问题。
2019-07-21 cs.CG cs.DS
On the Geodesic Centers of Polygonal Domains
本文研究了具有全部$n$顶点的多边形区域$\mathcal{P}$的欧氏测地中心的计算问题。我们发现了许多有趣的观察结果。给出了点是测地线中心的一个必要条件。我们证明了$\mathcal{P}$中所有具有拓扑等价最短路径映射的点之间至多存在一个测地线中心。这意味着测地线中心的总数由$\mathcal{P}$的最短路径映射等价分解的组合大小来限制,该最短路径映射等价分解已知为$O(n^{10})$。一个关键的观察是当点移动时关于最短路径长度的$π$ -范围属性。有了这些观察,我们提出了一个算法,计算所有的测地线中心在$O(n^{11}\log n)$时间。以前,对于任何$ε>0$,对于该问题已知$O(n^{12+ε})$时间的算法。
2016-07-20 cs.CG cs.DS
On Optimal Disc Covers and a New Characterization of the Steiner Center
给定平面$P_1 P_2...P_N$中的N个点和位置$Ω$,具有直径$[ΩP_i], i = 1, 2,...N$的圆盘的并集覆盖点的凸包。位置$Ω_s$最小化由圆盘的并集覆盖的区域,被示出为点的凸包的Steiner中心。对$d$维欧氏空间也得到了类似的结果.
2015-09-09 cs.CG
Net and Prune: A Linear Time Algorithm for Euclidean Distance Problems
University of Illinois(伊利诺伊大学)
本文提出了一种线性时间算法,用于解决多个计算几何问题,包括k-中心聚类和远邻近邻问题,并展示了如何在高概率下保持线性运行时间。
2026-03-03 cs.CG
Fast Clustering with Lower Bounds: No Customer too Far, No Shop too Small
我们研究的\LowerBoundedCenter(\lbc)的问题,这是一个聚类问题,可以被看作是一个变种的\kCenter问题。在\lbc问题中,给定度量空间中的一组点P和一个下界λ,目标是选择一组中心C \subseteq P和一个将P中的每个点映射到C的中心的分配,使得C的每个中心被分配至少λ个点。分配的价格是一个点和它被分配到的中心之间的最大距离,目标是找到一组中心和最小价格的分配。对于\lbc问题,当输入点位于d维欧氏空间R^d(d为常数)时,给出了一个O(n \log n)时间的常数因子近似算法.我们还证明了这个问题不能在1.8-ε的因子内近似,除非P = \NP,即使输入点是欧几里得平面R^2上的点。
2013-04-27 cs.CG
Coresets for Clustering in Euclidean Spaces: Importance Sampling is Nearly Optimal
给定$\mathbb{R}^d$中的$n$点的集合,$(k,z)$聚类问题的目标是找到$k$“中心”的子集,该子集使每个点到最近中心的欧几里得距离的$z$次幂之和最小化。$(k,z)$ -聚类问题的特殊情况包括$k$ -中位数和$k$ -均值问题。我们的主要结果是一个统一的两阶段重要性采样框架,构建了一个$\varepsilon$ -coreset的$(k,z)$ -聚类问题。与[Feldman和Langberg,STOC 2011]中的$(k,z)$聚类结果相比,我们的框架在核心集大小中节省了一个$\varepsilon^2 d$因子。与[Sohler and Woodruff,FOCS 2018]中的$(k,z)$聚类结果相比,我们的框架在核心集大小中节省了一个$\operatorname{poly}(k)$因子,并在构建时间中避免了$\exp(k/\varepsilon)$项。具体而言,我们的$k$ -中位数($z=1$)的coreset具有大小$\tilde{O}(\varepsilon^{-4} k)$,与[Sohler and Woodruff,STOC 2018]中的结果相比,在coreset大小中节省了一个$k$因子。我们的算法结果依赖于一个新的降维技术,连接两个著名的形状拟合问题:子空间近似和聚类,并可能是独立的利益。我们还提供了$(k,z)$ -聚类的$0.01…
2020-05-14 cs.CG cs.DC cs.DS
On the Planar Two-Center Problem and Circular Hulls
给定欧氏平面上$n$点的集合$S$,双中心问题是找到两个最小半径的全等圆盘,其并集覆盖$S$的所有点。以前,Eppstein [SODA'97]给出了$O(n\log^2n)$期望时间的随机算法,Chan [CGTA'99]给出了$O(n\log^2 n\log^2\log n)$时间的确定性算法。本文提出了一种$O(n\log^2 n)$时间确定性算法,它改进了Chan的确定性算法,并与Eppstein的随机界相匹配.若$S$处于凸位置,则在$O(n\log n\log\log n)$确定时间内求解。我们的研究结果依赖于新的技术,用于动态维护圆形船体下的点插入和删除,这是独立的利益。
2020-02-19 cs.CG cs.DS
Efficient Planar Two-Center Algorithms
本文考虑平面欧氏双中心问题,其中给定平面上的$n$点,我们要找到覆盖这些点的两个半径最小的全等圆盘。我们提出了一个确定性的$O(n \log n)$时间算法的情况下,两个最佳的磁盘的中心是彼此接近,即,两个最佳的磁盘的重叠是一个常数的磁盘面积的分数。对于输入点处于凸位置的情况,我们还提出了一种确定性的$O(n\log n)$时间算法。这两个结果改进了以前的最佳$O(n\log n\log\log n)$的问题的界限。
2020-07-07 cs.CG
Multiwinner Elections under Minimax Chamberlin-Courant Rule in Euclidean Space
我们考虑多赢家选举在欧几里得空间使用极大极小Chamberlin-Courant规则。在这种设置中,投票者和候选者被嵌入在$d$维欧几里德空间中,目标是选择$k$候选者的委员会,使得委员会中任何投票者最喜欢的候选者的排名最小化。(The问题也等价于经典$k$ -中心问题的有序版本。)我们证明了这个问题在任何维数$d \geq 2$上都是NP-困难的,并且可以证明是难以近似的。我们的主要结果是三个多项式时间近似计划,其中每一个发现一个委员会证明良好的极大极小分数。在所有情况下,我们表明,我们的近似界是紧或接近紧。我们主要集中在$1$ -Borda规则,但我们的一些结果也适用于更一般的$r$ -Borda。
2022-05-26 cs.CG cs.GT
Center of maximum-sum matchings of bichromatic points
设$R$和$B$是平面上两个不相交的点集,其中点集为$|R|=|B|=n$。令$\mathcal{M}=\{(r_i,b_i),i=1,2,\ldots,n\}$为完美匹配,其将$R$的点与$B$的点进行匹配并使匹配对的总欧几里得距离$\sum_{i=1}^n\|r_i-b_i\|$最大化。本文证明了平面上存在一点$o$($\mathcal{M}$的中心),使得对所有的$i\in\{1,2,\ldots,n\}$都有$\|r_i-o\|+\|b_i-o\|\le \sqrt{2}~\|r_i-b_i\|$.
2023-01-17 cs.CG math.CO
Computing the $L_1$ Geodesic Diameter and Center of a Simple Polygon in Linear Time
本文证明了简单多边形的$L_1$测地直径和中心可以在线性时间内计算。为此,我们着重揭示了$L_1$测地球,即度量球关于$L_1$测地距离的基本几何性质。更具体地说,在本文中,我们证明了任何家庭的$L_1$测地球在任何简单的多边形有Helly数2,和$L_1$测地中心组成的最短路径之间的直径对的中点。这些性质对于我们的线性时间算法是至关重要的,并且不适用于欧几里德情况。
2015-01-12 cs.CG
Hardness of Liar's Domination on Unit Disk Graphs
单位圆图是平面上一组单位直径圆的交图。在本文中,我们考虑单位圆盘图的说谎者控制问题,控制集问题的一个变种。我们称这个问题为{ \it Euclidean liar's domination problem}。在欧几里得说谎者控制问题中,在欧几里得平面中给出$n$点(盘中心)的集合${\cal P}=\{p_1,p_2,\ldots,p_n\}$。对于$p \in {\cal P}$,$N[p]$是${\cal P}$的子集,使得对于任何$q \in N[p]$,$p$和$q$之间的欧几里得距离小于或等于1,即,相应的单位直径圆盘相交。欧几里得说谎者支配问题的目标是找到具有以下性质的最小尺寸的子集$D\; (\subseteq {\cal P})$:(i)$1 \leq i \leq n$的$|N[p_i] \cap D| \geq 2$,以及(ii)$i\neq j, 1\leq i,j \leq n$的$|(N[p_i] \cup N[p_j]) \cap D| \geq 3$。证明了欧氏说谎者控制问题是NP-完全的。
2016-11-23 cs.CG
Improved and Simplified Inapproximability for k-means
k-均值问题是在d维欧氏空间中寻找k个中心,使输入集合P中所有点到其最近中心的平方距离之和最小化。Awasthi et.最近表明,存在常数c > 1,使得在因子c内近似k均值目标是NP困难的。我们确定常数c至少为1.0013。
2015-09-03 cs.CG
Algorithms for ball hulls and ball intersections in strictly convex normed planes
推广了Hershberger和Suri在欧氏平面上的结果,证明了严格凸赋范平面上$n$点集的球壳和球交可以在$O(n \log n)$时间内构造.此外,我们确认,像在欧几里德子情况下,$2$中心问题的约束圆也可以解决严格凸赋范平面在$O(n^2)$时间。还提出了一些想法,这些结果扩展到更一般类型的赋范平面。
2014-11-26 cs.CG math.MG