第3章区间及小矩形.PDFVIP

第 3 章 区间及小矩形 由多组小矩形支撑的空间应如何表示，是许多应用的一个共同问题。由矩形支撑的空 间，也可以视作 d 个一维区间（即一维空间中的球）的直积，因此这一问题也往往归为一 维区间的表示问题。比如第 2.1.5.2 节讨论过 R-树，以及其他基于物体的层次化的基于内域 的表示方法，以矩形作为最小包围盒来逼近一般形状，就是一种典型的应用。比如在制图 类应用中，可以借助矩形来近似湖泊、树林或山等[1258]。其精确的边界尽管也被存储了， 但通常只有在需要更高精度时才会用到。在超大规模集成电路设计（VLSI ）等应用中，为 了验证设计规则，也要以矩形作为芯片各组成部分的模型，从而为它们找出合适的放置方 案。同样地，矩形在这里也被用作最小包围盒。在此过程中，要检查各组成部分之间是否 相交，是否满足最小间距、最小宽度等约束条件，等等。通过这些验证可以避免设计上的 缺陷，因此极具实用价值。 物体集的规模因具体应用而异，且差异极大。例如在制图类应用中，物体集内的矩形 通常不多，但矩形的尺寸往往与它们所在的空间大小相当。反过来在 VLSI 设计类应用中， 物体集的规模却很大（可达数百万），而矩形的尺寸却要比所在空间小好几个数量级。 本章将面向 VLSI 设计类应用，着重研究大规模矩形集的表示方法；但这里所介绍的 技术，也同样适用于其他领域。我们约定，矩形的边都平行于 x 或 y 坐标轴。这里介绍的 表示技术，将利用到计算几何领域中一维区间集的表示技术，同时也融合了（第 1 章）多 维点数据及（第 2 章）体数据的表示技术。 与第 1 章类似，本章解决的主要问题涉及插入、删除等基本操作，以及更为复杂的查 询，包括精确匹配、部分匹配、范围查询、部分范围查询、查找给定区域中的所有物体（如 矩形）、按照给定的度量在数据域中找出最近邻，甚至还有联合查询 （join query ）[1899]。 这些查询大多涉及邻近关系，按照 Hinrichs[839] 的见解可归为两种类型：一是相交查询， 即判断两个物体集是否相交；另一是子集关系，按闭包 （enclosure ）的概念可描述为 “判 断 A 是否 B 的子集 ”，按包含 （containment ）的概念也可描述为 “判断A 是否包含 B ”。 在描述涉及上述关系的查询时，需要仔细 区分点与物体的概念 。作为基本元素 的点 （point ），来 自物体所在的 d 维空间，而不是物体按照某种表示形式被映射到的那个空间。 以二维空间中的一组矩形为例，此时的点是欧氏平面上的基本元素，而不是矩形本身—— 尽管我们可能将它们表示为高维空间中的点。 本章着重讨论三类邻近性查询（proximity query ）。第一类最为常见，称作点查询 （point query ），即找出包含 定点的所有物体。请注意它与第 1 章所讨论点查询的区别，后者是 判断 定点 p 是否在数据集内（可更准确地描述为精确匹配查询）。第二类是点集查询 （point-set query ），即对于给定的关系⊕和点集 Q （通常是某个区域），找出满足 S⊕Q 关系 的物体集 S。比如通常称作截窗操作 （window operation ）的查询，就是要找出与给定区域 相交的所有矩形。就这一查询而言，关系⊕可理解为 “S⊕Q 即 S∩Q ≠ ∅ ”，其中 Q 是查询 408 多维与度量数据结构基础 窗口。最后一类是几何联合查询 （geometric join query ），亦称作空间联合查询 （spatial join query ），即给定关系⊕及两组物体 O 和 O ，对于它们各 自的子集 S 和 S ，找出所有满足 1 2 1 2 P ∈S 、P ∈S 且 P ⊕P 的(P , P )对 。这类查询的一个例子 ，就是找出所有互交的矩形 1 1 2 2 1 2 1 2 对——这里，O 和 O 对应于同一组矩形，⊕是相交关系。本章所举 的例子中，S 和 S 通 1 2