Robusthed i geometriske algoritmer

Transkript

1 18. december 2008

2 Flydende tal Oversigt Teori: Reel RAM reelle tal og uendelig præcision. Data i generel position. O(1) tid pr. basal regneoperation. Praksis: Endelig præcision. Flydende tal afrundingsfejl. Data ikke i generel position. Eksperimenter med algoritmer der finder alle nærmeste naboer for en punktmængde i planen: Delaunay-triangulering: TTL & CGAL. Plane sweep. Kd-træ.

3 Flydende tal Oversigt Både hele og flydende tal anvendes. To centrale funktioner, kaldet prædikater: orient2d: Udgør tre punkter højre/venstresving eller er de på linie. incircle: Er et punkt uden for, inde i eller på cirklen gennem tre andre punkter. Begge baseret på fortegn for determinant. Hertil kommer funktioner der danner nye geometriske objekter, fx skæringspunkter.

4 Flydende tal Oversigt Flydende tal som defineret af IEEE 754 er en endelig mængde, F. Et x F består af: ±s 2 e. Minisystem med præcision = 3, e min = 1, e max = 2: Maskinpræcisionen ε angiver den største fejl. I dobbelt præcision og med afrunding til nærmeste er ε = For et reelt tal x og et flydende tal x gælder: x x ε x x x x ε.

5 Flydende tal Oversigt Fejltolerante metoder bla. ε-tweaking, tykke objekter, topologi-orienteret. Eksakte metoder filtre, fejlanalyse, multipræcisions-typer, intervalregning. Perturbering af data generel position.

6 Delaunay-triangulering Plane sweep Kd-træer Inkrementel metode: Omslut punktmængde med fiktiv trekant, punktlokalisering, kantlovliggørelse, fjernelse af fiktiv trekant. Punktlokalisering løses med orient2d. Kantlovliggørelse løses med incircle.

7 Delaunay-triangulering Plane sweep Kd-træer a b c a d b c Orient2d: D = a x a y 1 b x b y 1 c x c y 1 = a x c x b x c x a y c y b y c y D = 0 på linie, ellers venstre- eller højresving. Hvis D > maksimale fejl fortegn(d) OK, Ellers benyt dyrere metode.

8 Delaunay-triangulering Plane sweep Kd-træer Filtre til eksakt beregning af fortegn for determinanter: Shewchuk: Fire trin med stigende præcision: Fra flydende tal til eksakt beregning. CGAL: Test for underløb, overløb og determinantens størrelse. Ved fejl benyttes evt. LU-faktorisering med intervalregning og som sidste udvej multipræcisionstype. ABDPY: Rækkeoperationer formindsker værdierne i matricen (2x2).

9 Delaunay-triangulering Plane sweep Kd-træer Shewchuk: Ekspansioner sikrer multipræcision. En sum/differens kan beregnes som to led, det flydende og fejlen. Eksempel: Kvadreret afstand mellem to punkter, a og b: kdist(a, b) = (a x b x ) 2 + (a y b y ) 2. Ekspansionen (x, y) = TODIFF(a x, b x ) hvor y < ε(a x b x ). kdist(a, b) = (x 1 + y 1 ) 2 + (x 2 + y 2 ) 2 = x y x 1y 1 + x y x 2y 2 = x1 2 + x x } {{ } 1 y 1 + 2x 2 y 2 + y } {{ } y2 2 } {{ } A B C

10 Delaunay-triangulering Plane sweep Kd-træer CGAL Filtreret kerne. 1. trin i filtret (orient2d): D = a x c x a y c y b x c x b y c y = ac xbc y ac y bc x. maxfejl = 2 50 max-værdi for D. 1: Risiko for underløb og 0 dyrere metode. 2: Overløb dyrere metode. 3: D maxfejl dyrere metode.

11 Delaunay-triangulering Plane sweep Kd-træer Man fejer over punktmængden og vedligeholder et delvist Voronoi-diagram. Prioritetskø indeholder punkter (hændelserne). Binært søgetræ indeholder aktive bisektorer, sorteret på skæring med fejelinien.

12 Delaunay-triangulering Plane sweep Kd-træer Algoritmen kræver heltalsinddata. Numerisk robusthed: Maksimale præcision udregnes. I praksis ofte lig med multipræcision. Problemer ved dannelse af skæringspunkter enten mellem bisektorer eller mellem bisektor og fejelinie. Løses ved at benytte homogene koordinater eller ved snap rounding. Større praktisk problem er måske algoritmisk robusthed.

13 Delaunay-triangulering Plane sweep Kd-træer Simpel og effektiv til løsning af alle-nærmeste-naboer. Ingen robusthedsproblemer. Overløb kan dog forekomme. Tilsyneladende svært at garantere maksimal søgetid. S = {(3,4) (7,5) (9,12) (10,4) (13,10)} 0/9 1/5 1/4 0/3 (9,12) (10,4) (13,10) (3,4) (7,5)

14 2500 Timing for plane sweep varianter. Type: Leda::rational (5) Type: double (5) Sekunder k 400k 800k 1600k 3200k Punkter

15 Timing for to CGAL varianter. FilteredKernel (4) Non-robust (4) FilteredKernel (2) Non-robust (2) 250 Sekunder k 400k 800k 1600k 3200k Punkter

16 Total Konstruktion ANN Timing for CGAL GMP (5) Sekunder k 400k 800k Punkter

17 CGAL ikke-robust, h+v (2) TTL Shewchuk (4) TTL ikke-robust (4) TTL Shewchuk (2) TTL ABDPY (6) TTL ikke-robust (2) Timing for TTL varianter Sekunder k 400k 800k 1600k 3200k Punkter

18 25 20 Timing for Kd-tree og triangle. triangle (2) triangle (4) Kd-tree (2) Kd-tree (4) 15 Sekunder k 400k 800k 1600k 3200k Punkter

19 Tilfældige punkter Program i enhedskvadratet KMPSY KMPSY-2 TTL Ikke-robust TTL Filter (Shewchuk) CGAL Ikke-robust 1.81 Fejler CGAL Filter Kd-træ triangle Tabel: Tidsforbrug i sekunder ved ANN-beregning for tre mindre punktmængder (ca punkter).

20 Tilfældige punkter Prædikat i enhedskvadratet KMPSY KMPSY-2 orient2d A orient2d B orient2d C orient2d D incircle A incircle B incircle C incircle D Tabel: Antal kald til orient2d og incircle i TTL Filter (Shewchuk).

21 Tilfældige punkter Prædikat i enhedskvadratet KMPSY KMPSY-2 orient2d A orient2d B incircle A incircle B Tabel: Antal kald til orient2d og incircle i CGAL Filter.

22 Filtre foretrækkes hvis tilgængelige. Uklart hvilket af de anvendte filtre er bedst. Også situationsafhængigt. Typiske fælder er determinanter, kvadratrødder, konstruktioner som fx skæringspunkter. Ikke trivielt at fremprovokere disse fejl.