方法I:固定一个点,枚举剩下的点所构成直线(斜率)
先固定一个点,然后计算该点到其他所有点的斜率,最后统计得到最多的共线的点的个数。时间复杂度为O(n^2),需要借助map数据结构保存中间结果,空间复杂度为O(n)。这种方法最大的问题是需要计算斜率,需要用到除法,可能会有数据精度的问题。
方法II:固定一个直线,枚举剩下的点
先固定一条直线,然后枚举剩下的点,判断是否在这条直线上。时间复杂度是O(n^3),因为只需要判断一下,所以空间复杂度为O(1)。优点是不用计算斜率,因为向量法判断三点是否共线只需要使用乘法,数据精度不再是问题。这种方法的问题是,时间复杂度高,必须剪枝优化,否则会超时。另外,因为数据可能有重复,所以应该先排序。
不推荐方法II
方法I代码:
1 int maxPoints(vector<Point> &points) { 2 int n = points.size(); 3 int maxCount = 0; 4 5 if (n <= 2) 6 return n; 7 8 for (int i = 0; i < n; i++) { 9 if (n - i <= maxCount) // 剪枝 10 break; 11 12 map<double, int> slopes; // 斜率 13 int colline = 0; // 共线点数最大值 14 int vertical = 0; // 垂直点数最大值 15 int same = 0; // 重合点数 16 17 for (int j = i + 1; j < n; j++) { 18 if (points[i].x == points[j].x) { 19 if (points[i].y == points[j].y) 20 same++; 21 else 22 vertical++; 23 } 24 else { 25 double slope = (double) (points[i].y - points[j].y) / (points[i].x - points[j].x); 26 colline = max(colline, ++slopes[slope]); 27 } 28 } 29 maxCount = max(maxCount, max(colline, vertical) + 1 + same); 30 } 31 32 return maxCount; 33 }