Luca Castelli Aleardi
LIX ´ Ecole Polytechnique Geometrica - INRIA Sophia
10 mai 2007, LIF, Universit´ e de la M´ editerran´ ee, Luminy
G´ eom´ etrie algorithmique, algorithmique et structures de
donn´ ees, algorithmique et combinatoire de graphes
Ma formation et mes ´etudes
(Informatique th´ eorique)
Laboratoires d’accueil
• LIX, Ecole Polytechnique
• Geometrica, INRIA Sophia
Mes ´ etudes en France
• Th` ese en Informatique (2003-06)
Palaiseau
Stage de DEA
• Geometrica, INRIA Sophia
• DEA Algorithmique (2002-03), Paris 6
Directeurs de th` ese:
O. Devillers et G. Schaeffer
(GeoComp, ACI Masses de donn´ ees”)
Universit´ e Marne-la-Vall´ ee
• Laboratoire d’Informatique (IGM)
Ma position actuelle
• Ater en Informatique (2006-07)
Marne-la-Vall´ ee
Math´ ematiques appliqu´ ees
”Universit` a degli Studi” (Milano)
• Dep. de Math´ ematiques
• Laboratoire d’Informatique
Mes ´ etudes (en Italie)
• ”Laurea” en Math´ ematiques (2002)
Versailles
Universit´ e de Versailles St-Quentin
• Eramus (1999)
Sous la direction du Prof. Daniele Mundici Milano
Research interests
G´ eom´ etrie algorithmique
Combinatoire des cartes
Algorithmique des graphes
Le domaine de recherche
Triangulations et graphes
Donn´ ees structur´ ees de nature g´ eom´ etrique
Geometry modelling
maillages volumiques maillages surfaciques
GIS Technology
Domaines d’application
Recontruction
de surfaces
Masses de donn´ ees
L’explosion de la taille des donn´ ees pose des pbs de traitement
Statue de St. Matthieu (Stanford’s Digital Michelangelo Project, 2000)
186 million de sommets
6 Giga octets (stockage sur disque)
dizaines de minutes (temps pour la lecture de disque dur)
Statue du David (Stanford’s Digital Michelangelo Project, 2000)
2 milliards de polygons
32 Giga octets (sans compression)
Pas d’algorithme et structure de
donn´ ees pouvant traiter le mod` ele
tout entier
Th` emes de recherche
Compression de maillages
Repr´ esentations compactes d’objets g´ eom´ etriques
Structures de donn´ ees g´ eom´ etriques
i .. .
Stockage
Transmission sur r´ eseau
Repr´esentations compactes
Codage, compression et repr´ esentations compactes
1 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0
⇒ 2n bits pour coder un arbre avec n arˆ etes.
Un exemple: arbres binaires et ordonn´ es
mot de parenth` eses ´ equilibr´ e
Codage, compression et repr´ esentations compactes
1 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0
⇒ 2n bits pour coder un arbre avec n arˆ etes.
arbre ordonn´ e ` a n arˆ etes
mot de parenth` eses ´ equilibr´ e
Codage, compression et repr´ esentations compactes
Le code de contour d’un arbre plan (arbre ordonn´ e).
1 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0
⇒ 2n bits pour coder un arbre avec n arˆ etes.
Un exemple: arbres binaires et ordonn´ es
mot de parenth` eses ´ equilibr´ e
Codage, compression et repr´ esentations compactes
1 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0
⇒ 2n bits pour coder un arbre avec n arˆ etes.
Ce codage est ”asymptotiquement optimal”.
arbre ordonn´ e ` a n arˆ etes
mot de parenth` eses ´ equilibr´ e
• le coˆ ut m´ emoire d’un objet correspond asymptotique- ment ` a l’entropie de la classe;
taille(B ) = log 2 kB n k(1 + o(1))
Codage, compression et repr´ esentations compactes
Le code de contour d’un arbre plan (arbre ordonn´ e).
1 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0
⇒ 2n bits pour coder un arbre avec n arˆ etes.
Un exemple: arbres binaires et ordonn´ es
mot de parenth` eses ´ equilibr´ e
mais ne permet pas de repondre efficacement ` a des requetes d’adjacence
Codage, compression et repr´ esentations compactes
1 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0
⇒ 2n bits pour coder un arbre avec n arˆ etes.
arbre ordonn´ e ` a n arˆ etes
mot de parenth` eses ´ equilibr´ e
Codage, compression et repr´ esentations compactes
Repr` esentation explicite par pointeurs
ce codage n’est pas optimal: il faut Θ(n lg n) bits
parent parent
/ / / /
parent
/ / / /
/
lg n
lg n lg n
lg n
lg n
il est possible de tester en temps O(1) l’adjacence entre sommets
parent parent
parent
parent
Peut-on faire mieux?
un codage compact (asymptotiquement optimal)
requˆ etes efficaces (en temps constant)
Codage, compression et repr´ esentations compactes
ce codage est asymptotiquement optimal
il est possible de tester en temps O(1) l’adjacence entre sommets
Pour le arbres et les mots de parenth` eses... OUI
( ( ( ( ) ) )
11 0 00 00 0 0 1 00 0 0 1 00 0 0 1 00 b 1 b 2 b 3 b 4 b 5
5 2 4 4 5
0 3 2 3 2
D
B T 3
2
1 5
10
6 8
9
7 4
2n + o(n) bits suffisent
) ( ) ) (( ( ) ) () ( ) ) (
(Jacobson, Focs89, Munro et Raman Focs97)
Donn´ees g´eom´etriques
Triangulations ` a bord
cartes planaires 3-connexes
(maillages polygonaux)
Notre sch´ ema de repr´ esentation
1 2 3
.. .
Niveau 1:
• Θ( n
log
2n ) r´ egions de taille Θ(log 2 n), repr´ esent´ es par pointeurs au niveau 2
Niveau 2:
dans chacune des n
log
2n r´ egions:
• Θ(log n) r´ egions de taille C log n,
repr´ esent´ ees par pointeurs au niveau 3
Niveau 3: catalogue exhaustif des r´ egions de taille i < C log n:
• description explicite compl` ete.
. . .
. . .
Notre sch´ ema de repr´ esentation
1 2 3
.. .
Niveau 1:
• Θ( n
log
2n ) r´ egions de taille Θ(log 2 n), repr´ esent´ es par pointeurs au niveau 2
• pointeurs globaux de taille log n.
Niveau 2:
dans chacune des n
log
2n r´ egions:
• Θ(log n) r´ egions de taille C log n, repr´ esent´ es par pointeur au niveau 3
• pointeurs locaux de taille log log n.
Niveau 3: catalogue exhaustif des regions de taille i < C log n:
• description explicite compl` ete.
. . . . . .
Aper¸cu de la structure hi´ erarchique
Notre sch´ ema de repr´ esentation
1 2 3
.. .
Niveau 1:
• Θ( n
log
2n ) r´ egions de taille Θ(log 2 n), repr´ esent´ es par pointeurs au niveau 2
• pointeurs globaux de taille log n.
Niveau 2:
dans chacune des n
log
2n r´ egions:
• Θ(log n) r´ egions de taille C log n, repr´ esent´ es par pointeur au niveau 3
• pointeurs locaux de taille log log n.
Niveau 3: catalogue exhaustif des regions de taille i < C log n:
• description explicite compl` ete.
. . . . . .
Coˆ ut dominant en espace
2.175m + O(m lg lg m
lg m ) bits
Repr´ esentations compactes de maillages
1.62m + o(m) bits
(avec O. Devillers et G. Schaeffer)
Repr´ esentations optimales (SoCG’06)
triangulations et cartes 3-conn. planaires
(avec O. Devillers et G. Schaeffer)
Repr´ esentations compactes (WADS’05)
triangulations ` a bord (genre g)
Repr´ esentations compactes de maillages
Comparaison des r´ esultats
Codage requetes 3-connexe triangul´ e
Jacobson (Focs89) O(lg n) 64n 64n
Munro Raman (Focs97) O(1) 8n + 2e 7m
Chuang et al. (Icalp98) O(1) 2e + 2n 3.5m
Chiang et al. (Soda01) O(1) 2e + 2n 4m
Blandford et al. (Soda03) O(1) O(n) O(m)
Castelli et al. (Wads05 Cccg05)
O(1) no 2.175m
Castelli et al. (SoCG06) O(1) 2e 1.62m
Repr´ esentations compactes de maillages
Version dynamique et version pratique implantable
(avec O. Devillers et A. Mebarki )
1
12 log m to 1 4 log m
gain 9/13
Version pratique implantable (CCCG’06)
(avec O. Devillers et G. Schaeffer) Version dynamique (CCCG’05)
2.175m + O(m lg lg m
lg m ) bits
Repr´ esentation de graphes ´ etiquet´ es (soumis ` a ESA’07)
avec Jeremy Barbay, Meng He and Ian Munro (University of Waterloo)
But: codage et implantation efficace de requetes concernant les etiquettes associ´ ees aux cellules d’un maillage
Exemple: coordonn´ ees des sommets, couleurs et normales des faces, at- tributs additionnels, ...
2