Кинетическая триангуляция - Википедия - Kinetic triangulation

А кинетическая триангуляция структура данных - это кинетическая структура данных который поддерживает триангуляция набора движущихся точек. Поддержание кинетической триангуляции важно для приложений, которые включают планирование движения, например, видеоигры, виртуальная реальность, динамическое моделирование и робототехника.^[1]

Выбор схемы триангуляции

Эффективность кинетической структуры данных определяется на основе отношения количества внутренних событий к внешним событиям, поэтому хорошие границы времени выполнения иногда можно получить, выбрав использование схемы триангуляции, которая генерирует небольшое количество внешних событий. аффинное движение точек, количество дискретных изменений выпуклый корпус является оценивается ${ Displaystyle Omega (п ^ {2})}$,^[2] таким образом, количество изменений в любой триангуляции также ограничено снизу величиной ${ Displaystyle Omega (п ^ {2})}$. Поиск любой схемы триангуляции, которая имеет почти квадратичную границу количества дискретных изменений, является важной открытой проблемой.^[1]

Триангуляция Делоне

В Триангуляция Делоне кажется естественным кандидатом, но тщательный анализ наихудшего случая количества дискретных изменений, которые произойдут с триангуляцией Делоне (внешние события), считался открытой проблемой до 2015 года;^[3] теперь он был ограничен ${ Displaystyle Omega (п ^ {2})}$^[4] и ${ Displaystyle О (п ^ {2+ эпсилон})}$.^[5]

Существует кинетическая структура данных, которая эффективно поддерживает триангуляцию Делоне набора движущихся точек,^[6] в котором отношение общего количества событий к количеству внешних событий равно ${ displaystyle O (1)}$.

Другие триангуляции

Каплан и др. разработал рандомизированный схема триангуляции, которая испытывает ожидаемое количество ${ Displaystyle О (п ^ {2} бета _ {s + 2} (п) журнал ^ {2} п)}$ внешние события, где ${ displaystyle s}$ - максимальное количество раз, когда каждая тройка точек может стать коллинеарной, ${ Displaystyle бета _ {s + 2} (q) = { frac { lambda _ {s + 2} (q)} {q}}}$, и ${ displaystyle lambda _ {s + 2} (q)}$ максимальная длина Последовательность Давенпорта-Шинцеля порядка s + 2 на n символах.^[1]

Псевдотриангуляции

Существует кинетическая структура данных (благодаря Agarwal et al.), Которая поддерживает псевдотриангуляция в ${ Displaystyle О (п ^ {2} 2 ^ { sqrt { log n log log n}})}$ всего событий.^[7] Все мероприятия внешний и требовать ${ Displaystyle О ( lg п)}$ время обрабатывать.

Рекомендации