zoukankan      html  css  js  c++  java
  • Nir-凸包问题的五种解法

    http://blog.csdn.net/bone_ace/article/details/46239187

    前言:

    首先,什么是凸包?
    假设平面上有p0~p12共13个点,过某些点作一个多边形,使这个多边形能把所有点都“包”起来。当这个多边形是凸多边形的时候,我们就叫它“凸包”。如下图:
    这里写图片描述

    然后,什么是凸包问题?
    我们把这些点放在二维坐标系里面,那么每个点都能用 (x,y) 来表示。
    现给出点的数目13,和各个点的坐标。求构成凸包的点?

    解一:穷举法(蛮力法)

    时间复杂度:O(n³)。
    思路:两点确定一条直线,如果剩余的其它点都在这条直线的同一侧,则这两个点是凸包上的点,否则就不是。
    步骤:

    1. 将点集里面的所有点两两配对,组成 n(n-1)/2 条直线。
    2. 对于每条直线,再检查剩余的 (n-2) 个点是否在直线的同一侧。

    如何判断一个点 p3 是在直线 p1p2 的左边还是右边呢?(坐标:p1(x1,y1),p2(x2,y2),p3(x3,y3))

    这里写图片描述
    当上式结果为正时,p3在直线 p1p2 的左侧;当结果为负时,p3在直线 p1p2 的右边。

    解二:分治法

    时间复杂度:O(n㏒n)。
    思路:应用分治法思想,把一个大问题分成几个结构相同的子问题,把子问题再分成几个更小的子问题……。然后我们就能用递归的方法,分别求这些子问题的解。最后把每个子问题的解“组装”成原来大问题的解。
    步骤:

    1. 把所有的点都放在二维坐标系里面。那么横坐标最小和最大的两个点 P1 和 Pn 一定是凸包上的点(为什么呢?用反证法很容易证明,这里不详讲)。直线 P1Pn 把点集分成了两部分,即 X 轴上面和下面两部分,分别叫做上包和下包。
    2. 对上包:求距离直线 P1Pn 最远的点,即下图中的点 Pmax 。
    3. 作直线 P1Pmax 、PnPmax,把直线 P1Pmax 左侧的点当成是上包,把直线 PnPmax 右侧的点也当成是上包。
    4. 重复步骤 2、3。
    5. 对下包也作类似操作。

    这里写图片描述

    然而怎么求距离某直线最远的点呢?我们还是用到解一中的公式:
    这里写图片描述
    设有一个点 P3 和直线 P1P2 。(坐标:p1(x1,y1),p2(x2,y2),p3(x3,y3))
    对上式的结果取绝对值,绝对值越大,则距离直线越远。

    注意:在步骤一,如果横坐标最小的点不止一个,那么这几个点都是凸包上的点,此时上包和下包的划分就有点不同了,需要注意。

    解三:Jarvis步进法

    时间复杂度:O(nH)。(其中 n 是点的总个数,H 是凸包上的点的个数)
    思路:

    • 纵坐标最小的那个点一定是凸包上的点,例如图上的 P0。
    • 从 P0 开始,按逆时针的方向,逐个找凸包上的点,每前进一步找到一个点,所以叫作步进法。
    • 怎么找下一个点呢?利用夹角。假设现在已经找到 {P0,P1,P2} 了,要找下一个点:剩下的点分别和 P2 组成向量,设这个向量与向量P1P2的夹角为 β 。当 β 最小时就是所要求的下一个点了,此处为 P3 。

    这里写图片描述

    注意:

    1. 找第二个点 P1 时,因为已经找到的只有 P0 一个点,所以向量只能和水平线作夹角 α,当 α 最小时求得第二个点。
    2. 共线情况:如果直线 P2P3 上还有一个点 P4,即三个点共线,此时由向量P2P3 和向量P2P4 产生的两个 β 是相同的。我们应该把 P3、P4 都当做凸包上的点,并且把距离 P2 最远的那个点(即图中的P4)作为最后搜索到的点,继续找它的下一个连接点。

    解四:Graham扫描法

    时间复杂度:O(n㏒n)
    思路:Graham扫描的思想和Jarris步进法类似,也是先找到凸包上的一个点,然后从那个点开始按逆时针方向逐个找凸包上的点,但它不是利用夹角。
    这里写图片描述
    步骤:

    1. 把所有点放在二维坐标系中,则纵坐标最小的点一定是凸包上的点,如图中的P0。
    2. 把所有点的坐标平移一下,使 P0 作为原点,如上图。
    3. 计算各个点相对于 P0 的幅角 α ,按从小到大的顺序对各个点排序。当 α 相同时,距离 P0 比较近的排在前面。例如上图得到的结果为 P1,P2,P3,P4,P5,P6,P7,P8。我们由几何知识可以知道,结果中第一个点 P1 和最后一个点 P8 一定是凸包上的点。
      (以上是准备步骤,以下开始求凸包)
      以上,我们已经知道了凸包上的第一个点 P0 和第二个点 P1,我们把它们放在栈里面。现在从步骤3求得的那个结果里,把 P1 后面的那个点拿出来做当前点,即 P2 。接下来开始找第三个点:
    4. 连接P0和栈顶的那个点,得到直线 L 。看当前点是在直线 L 的右边还是左边。如果在直线的右边就执行步骤5;如果在直线上,或者在直线的左边就执行步骤6。
    5. 如果在右边,则栈顶的那个元素不是凸包上的点,把栈顶元素出栈。执行步骤4。
    6. 当前点是凸包上的点,把它压入栈,执行步骤7。
    7. 检查当前的点 P2 是不是步骤3那个结果的最后一个元素。是最后一个元素的话就结束。如果不是的话就把 P2 后面那个点做当前点,返回步骤4。

    最后,栈中的元素就是凸包上的点了。
    以下为用Graham扫描法动态求解的过程:
    这里写图片描述

    解五:Melkman算法

    这里写图片描述
    说真的,这个算法我也还没有看清。网上的资料也少的可怜,我暂且把网上的解释截个图在这里,往后搞懂以后再回来补上。
    或者有人看懂了的,希望不吝指教,不甚感激!

    扩展:

    以上讨论的只是二维的凸包,如果延生为三维、多维的凸包问题呢?如何求解?
    不过首先,二维凸包可以用来解决围栏问题、城市规划问题、聚类分析等等。但是三维、多维的凸包可能的使用范畴有哪些?

    附:快包算法代码(C语言):
    #include<stdio.h>
    #include<stdlib.h>
    
    int g_result[240][2];
    
    /*getResult()实现功能:以坐标P0(x1,y1)和Pn(x2,y2)为直线,找出pack里面里这条直线最远的点Pmax
    *并找出直线P0Pmax和PmaxPn的上包,进行递归。
    *注:Pack[0][0]存放点的个数,pack[1]开始存放点的坐标。
    *全局变量g_result[][]用来存放凸包上的点,即最终所要的答案。同样g_result[0][0]存放的是已找到的点的个数。
    **/
    void getResult(int Pack[240][2], int x1, int y1, int x2, int y2)
    {
        int i,t,x3,y3,R,Rmax,tmax;
        int ResultPack[240][2];
        ResultPack[0][0] = 0;
        if(Pack[0][0] <= 1)
            return; 
        x3 = Pack[1][0];
        y3 = Pack[1][1];
        R = x1*y2 + x3*y1 + x2*y3 - x3*y2 - x2*y1 - x1*y3;
        Rmax = R;
        tmax = 1;
        for(i=2;i<=Pack[0][0];i++)
        {
            x3 = Pack[i][0];
            y3 = Pack[i][1];
            R = x1*y2 + x3*y1 + x2*y3 - x3*y2 - x2*y1 - x1*y3;
            if(R >= 0)
            {
                t = ++ResultPack[0][0];
                ResultPack[t][0] = x3;
                ResultPack[t][1] = y3;
            }
            if(R > Rmax)
            {
                Rmax = R;
                tmax = i;
            }
        }
        if(Rmax <= 0)
        {
            for(i=1;i<ResultPack[0][0];i++)
            {
                x3 = ResultPack[i][0];
                y3 = ResultPack[i][1];
                R = x1*y2 + x3*y1 + x2*y3 - x3*y2 - x2*y1 - x1*y3;
                if(R == 0 && !((x3==x2&&y3==y2)||(x3==x1&&y3==y1)))
                {
                    t = ++g_result[0][0];
                    g_result[t][0] = ResultPack[i][0];
                    g_result[t][1] = ResultPack[i][1];
                }
            }
            return;
        }
        else
        {
            t = ++g_result[0][0];
            g_result[t][0] = Pack[tmax][0];
            g_result[t][1] = Pack[tmax][1];
            if(ResultPack[0][0] == 0)
                return;
        }
        getResult(ResultPack,x1,y1,Pack[tmax][0],Pack[tmax][1]);
        getResult(ResultPack,Pack[tmax][0],Pack[tmax][1],x2,y2);
    }
    
    void main()
    {
        int Point[240][2];//Point存所有点。
        int i=1;
        int x1,y1,x2,y2,x3,y3;
        g_result[0][0]=0;Point[0][0]=0;//Point的第一行第一列元素存放包里面有几个点。初始化为0。
        printf("请输入所有点的坐标:
    ");
        while(scanf("%d,%d",&Point[i][0],&Point[i][1]) != EOF)
            i++;
        Point[0][0] = i-1;
        x1 = Point[1][0];
        y1 = Point[1][1];
        x2 = x1;
        y2 = y1;
        for(i=2;i<=Point[0][0];i++)
        {
            x3 = Point[i][0];
            y3 = Point[i][1];
            if(x3 < x1)
            {
                x1 = x3;
                y1 = y3;
            }
            else if(x3 > x2)
            {
                x2 = x3;
                y2 = y3;
            }
        }
        g_result[1][0] = x1;
        g_result[1][1] = y1;
        g_result[2][0] = x2;
        g_result[2][1] = y2;
        g_result[0][0] += 2;
        getResult(Point, x1, y1, x2, y2);
        getResult(Point, x2, y2, x1, y1);
    
        printf("
    
    构成凸包的点有:
    ");
        for(i=1;i<=g_result[0][0];i++)
            printf("(%d,%d)
    ",g_result[i][0],g_result[i][1]);
        system("pause");
    }
  • 相关阅读:
    LeetCode 面试题56-I
    LeetCode T2
    统计中的AUC和ROC曲线
    【转载】RNN
    One layer SoftMax Classifier, "Handwriting recognition"
    【转载】深度学习中softmax交叉熵损失函数的理解
    【转载】softmax的性质及其实现
    logistics多分类
    logistics二分类
    多元线性回归
  • 原文地址:https://www.cnblogs.com/atuo/p/8134572.html
Copyright © 2011-2022 走看看