摘要
Fréchet距离是一种经过充分研究的曲线之间的相似性度量,在整个计算机科学中广泛使用。受曲线源于基本图上的路径和行走的应用程序(例如道路网络)的启发,我们定义并研究了图上路径和行走之间的Fréchet距离。当提供$G$与$O(1)$查询时间的距离预言符时,经典的二次时间动态程序可以计算$O(|P|\cdot|Q|)$time中图$G$中两次行走$P$和$Q$之间的Fréchet距离。我们证明了在某些情况下,图结构有助于计算Fréchet距离:当图$G$是平面图时,我们应用现有的(近似)距离预言来计算$O(|G|\log|G|/\sqrt{\varepsilon})中任意最短路径$P$和任意行走$Q$之间的Fré)chet距离的$(1+\varepsilon)$-近似值+|P|+\frac{|Q|}{\varepsilon})$时间。我们将此结果推广到近最短路径,即$\kappa$-直路径,因为我们展示了如何计算$\kapba$-直线路径$P$和$O(|G|\log|G|/\sqrt{\varepsilon}+|P|+\frac{\kappa |Q|}{\varesilon})$time中的任意行走$Q$之间的$(1+\varepsi lon)$-近似。我们的算法结果对$G$中最短路径度量上的强和弱离散Fréchet距离都成立。最后,我们证明了对输入的额外假设,例如我们对路径直线度的假设,对于获得真正的次二次运行时间确实是必要的。我们提供了一个条件下界,表明加权平面图中任意\emph{路径}之间的Fréchet距离,甚至其$1.01$-近似值,对于任何$\delta>0$,都不能在$O((|P|\cdot|Q|)^{1-\delta})$time中计算,除非正交向量假设失败。对于行走,即使$G$是平面的、单位宽的并且有$O(1)$个顶点,这个下限也成立。