평면상의 정규 다각형 조회: 효율적인 새로운 접근법

** 본 논문은 평면상의 점 집합 S 에 대해, 주어진 다각형 Q 내에 포함된 점들을 효율적으로 보고하는 “다각형 조회” 문제를 다룬다. 일반적인 다각형은 축에 평행하지 않은 변을 포함하므로 기존의 range tree 같은 직교 범위 구조만으로는 효율적인 처리가 어렵다. 이를 해결하기 위해 저자들은 “정규 다각형”(canonical polygon)이라는 특수 클래스를 정의한다. 정규 k‑vertex 다각형은 다음과 같은 속성을 가진다: 다각형 Q 를 축에 평행한 직사각형·두 변이 축에 평행한 삼각형(‘직교 삼각형’)들의 집합으로 선형( k 에 비례) 개수만큼 분해할 수 있다. 즉, Q 에 대한 점 조회는 k 개의 직교 객체에 대한 점 조회로 변환된다. 논문은 이 아이디어를 기반으로 두 가지 알고리즘을 제시한다. 1. **첫 번째 알고리즘 (O(n log² n) 공간)** - **데이터 구조**: 1차원 Fusion Tree 를 2차원으로 확장한 Planar Point Location 구조와 Priority Search Tree (우선 탐색 트리)를 결합한다. 또한 반평면 질의를 처리하기 위해 Chazelle‑Guibas‑Lee의 dual‑transform 기법을 사용한다. - **전처리**: 점들을 x‑좌표 기준으로 정렬한 뒤, 깊이 O(log n) 인 균형 이진 탐색 트리를 만든다. 각 노드에는 y‑좌표 최소값을 저장하고, 보조 리스트 S(v) 를 유지한다. 영구성을 적용하지 않아 리스트는 각 레이어마다 O(log n) 크기이며 전체 공간은 O(n log² n) 이다. - **쿼리**: 정규 k‑vertex 다각형을 k 개의 직교 삼각형·직사각형으로 분해한다. 각 직교 객체에 대해 반평면·직교 삼각형 질의를 수행한다. 반평면 질의는 dual 변환 후 Fusion Tree 검색으로 O(log n / log log n) 시간에 해결하고, 보고된 점 수 t 에 비례해 O(t) 시간을 추가한다. 따라서 전체 쿼리 시간은 O(k·log³ n / log log n + A) 이며, A 는 최종 보고된 점 수이다. 2. **두 번째 알고리즘 (O(n²) 공간)** - **데이터 구조**: 첫 번째 구조를 영구 리스트(persistent list) 형태로 변형한다. 영구 리스트는 삽입·삭제가 O(1) 시간에 이루어지며, 모든 버전을 공유함으로써 각 레이어별 보조 리스트를 별도 복제하지 않는다. - **전처리**: 영구 리스트를 이용해 각 레이어의 보조 리스트를 O(n) 공간에 저장한다. 레이어 수가 O(n) 이므로 전체 공간은 O(n²) 가 된다. - **쿼리**: 직교 객체마다 영구 리스트를 직접 접근해 O(log n / log log n) 시간에 반평면·삼각형 질의를 수행한다. 영구 리스트 덕분에 각 질의에 대한 추가 탐색 비용이 거의 없으며, 전체 쿼리 시간은 O(k·log n / log log n + A) 가 된다. 두 알고리즘 모두 기존 최선인 Paterson‑Yao 방법(O(n²) 공간·O(k·log n + A) 시간)보다 log log n 요소를 도입해 시간 복잡도를 개선한다. 특히 첫 번째 방법은 공간을 O(n log² n) 으로 크게 절감하면서도 구현이 비교적 단순하다. Fusion Tree와 Priority Search Tree는 현대 C/C++ 표준 라이브러리와도 호환 가능하며, 영구 리스트를 사용하지 않으므로 메모리 관리가 용이하다. **응용 및 확장** - 논문은 정규 다각형 외에도 일반 다각형을 다루기 위한 확장 아이디어를 제시한다. Paterson‑Yao의 half‑plane 분할 기법과 결합하면, 일반 다각형을 O(k) 개의 직교 객체와 O(k) 개의 반평면으로 변환해 동일한 구조에 적용할 수 있다. - 공간·시간 트레이드오프를 조절하기 위해, 영구 리스트 대신 부분 영구(persistent) 구조를 선택하거나, Fusion Tree 대신 전통적인 segment tree · range tree 조합을 사용할 수 있다. **결론** 정규 다각형이라는 제한을 활용함으로써, 복잡한 다각형 조회 문제를 직교 범위 질의들의 집합으로 변환하고, 이를 효율적인 2‑차원 검색 구조에 매핑한다. 제안된 두 알고리즘은 각각 공간 효율성과 쿼리 속도 측면에서 장점을 가지며, 기존 방법보다 구현 난이도가 낮아 실제 GIS·CAD·시각화 시스템에 바로 적용 가능하다. **