http://acm.hdu.edu.cn/showproblem.php?pid=1007
先说下题意,很简单,给n个点的坐标,求距离最近的一对点之间距离的一半。第一行是一个数n表示有n个点,接下来n行是n个点的x坐标和y坐标,实数。
这个题目其实就是求最近点对的距离。《算法导论》上有详细讲解,王晓东的书上也有代码。主要思想就是分治。先把n个点按x坐标排序,然后求左边n/2个和右边n/2个的最近距离,最后合并。合并要重点说一下,比较麻烦。
首先,假设点是n个,编号为1到n。我们要分治求,则找一个中间的编号mid,先求出1到mid点的最近距离设为d1,还有mid+1到n的最近距离设为d2。这里的点需要按x坐标的顺序排好,并且假设这些点中,没有2点在同一个位置。(若有,则直接最小距离为0了)。
然后,令d为d1, d2中较小的那个点。如果说最近点对中的两点都在1-mid集合中,或者mid+1到n集合中,则d就是最小距离了。但是还有可能的是最近点对中的两点分属这两个集合,所以我们必须先检测一下这种情况是否会存在,若存在,则把这个最近点对的距离记录下来,去更新d。这样我们就可以得道最小的距离d了。
关键是要去检测最近点对,理论上每个点都要和对面集合的点匹配一次,那效率还是不能满足我们的要求。所以这里要优化。怎么优化呢?考虑一下,假如以我们所选的分割点mid为界,如果某一点的横坐标到点mid的横坐标的绝对值超过d1并且超过d2,那么这个点到mid点的距离必然超过d1和d2中的小者,所以这个点到对方集合的任意点的距离必然不是所有点中最小的。
所以我们先把在mid为界左右一个范围内的点全部筛选出来,放到一个集合里。筛选好以后,当然可以把这些点两两求距离去更新d了,不过这样还是很慢,万一满足条件的点很多呢。这里还得继续优化。首先把这些点按y坐标排序。假设排序好以后有cnt个点,编号为0到cnt-1。那么我们用0号去和1到cnt-1号的点求一下距离,然后1号和2到cnt-1号的点求一下距离。。。如果某两个点y轴距离已经超过了d,这次循环就可以直接break了,开始从下一个点查找了。
// 分治算法求最近点对
#include<iostream>
#include<algorithm>
#include<cmath>
using namespace std;
struct point
{
double x , y;
}p[100005];
int a[100005]; //保存筛选的坐标点的索引
int cmpx(const point &a , const point &b)
{
return a.x < b.x;
}
int cmpy(int &a , int &b) //这里用的是下标索引
{
return p[a].y < p[b].y;
}
inline double dis(point &a , point &b)
{
return sqrt( (a.x-b.x)*(a.x-b.x) + (a.y-b.y)*(a.y-b.y));
}
inline double min(double a , double b)
{
return a < b ? a : b;
}
double closest(int low , int high)
{
if(low + 1 == high)
return dis(p[low] , p[high]);
if(low + 2 == high)
return min(dis(p[low] , p[high]) , min( dis(p[low] , p[low+1]) , dis(p[low+1] , p[high]) ));
int mid = (low + high)>>1;
double ans = min( closest(low , mid) , closest(mid + 1 , high) ); //分治法进行递归求解
int i , j , cnt = 0;
for(i = low ; i <= high ; ++i) //把x坐标在p[mid].x-ans~p[mid].x+ans范围内的点取出来
{
if(p[i].x >= p[mid].x - ans && p[i].x <= p[mid].x + ans)
a[cnt++] = i; //保存的是下标索引
}
sort(a , a + cnt , cmpy); //按y坐标进行升序排序
for(i = 0 ; i < cnt ; ++i)
{
for(j = i+1 ; j < cnt ; ++j)
{
if(p[a[j]].y - p[a[i]].y >= ans) //注意下标索引
break;
ans = min(ans , dis(p[a[i]] , p[a[j]]));
}
}
return ans;
}
int main(void)
{
int i,n;
while(scanf("%d",&n) != EOF)
{
if(!n)
break;
for(i = 0 ; i < n ; ++i)
scanf("%lf %lf",&p[i].x,&p[i].y);
sort(p , p + n , cmpx);
printf("%.2lf\n",closest(0 , n - 1)/2);
}
return 0;
}
按照y值进行升序排列后,还可以进一步进行优化的,就是每次选取7个点就OK了,具体原因编程之美上面有介绍的。
for(i = 0 ; i < cnt ; ++i)
{
int k = (i+7) > cnt ? cnt :(i+7); //只要选取出7个点(证明过程没看懂)
for(j = i+1 ; j < k ; ++j)
{
if(p[a[j]].y - p[a[i]].y >= ans) //注意下标索引
break;
ans = min(ans , dis(p[a[i]] , p[a[j]]));
}
}
分享到:
相关推荐
资源位分治法求最近点对,包含几种算法,以及图形界面,是一套完整的工程。全部为java实现。
分治法求最近点对问题,要求:1. 对于平面上给定的N个点,给出所有点对的最短距离,即,输入是平面上的N个点,输出是N点中具有最短距离的两点。 2. 要求随机生成N个点的平面坐标,应用蛮力法编程计算出所有点对的...
这是一个解决最近点对问题的很好的范例!
平面最近点对问题分治算法解答,C++实现,代码整洁规范。
3. 要求随机生成N个点的平面坐标,应用分治法编程计算出所有点对的最短距离。 4. 分别对N=100,1000,10000,100000,统计算法运行时间,比较理论效率与实测效率的差异,同时对蛮力法和分治法的算法效率进行分析和比较...
给定一个点数组,比较求解最近点对的一般算法和分治法的效率。测试过后相信你会对分治法有另一看法的。
3. 要求随机生成N个点的平面坐标,应用分治法编程计算出所有点对的最短距离。4. 分别对N=100100010000100000,统计算法运行时间,比较理论效率与实测效率的差异,同时对蛮力法和分治法的算法效率进行分析和比较。5. ...
关于最接近点对问题 给定平面上n个点,找出其中一对点,使得在n个点所构成的所有点对中,该点对的距离最小。 这个问题很容易理解,似乎也不难解决: 先求第1个点与其余n-1个点的距离; 再求第2个点与其余n-2个点的...
是用VB6.0编写的求平面最近对,采用的是分治法思想 用户可以输入生成点的个数,软件自动在屏幕上生成点集 用户可以选择生成的点的形状大小颜色 点一个按钮就可以求出最近对,最近对用不同颜色标记,并连线
算法设计实验报告,包括:分治法和蛮力法求最近对问题的基本思想、时间复杂度分析,C++实现代码,两种算法运行时间的比较,运行结果截图,实验心得。
算法设计作业--分治策略求平面最近点对源码
C++最近点对问题,蛮力算法和分治算法,分治法:遵循分治思路方法利用递归求出左子集和右子集最近点对然后再对两子集的间点对进步分析比较最后求出整个点集最近点对
设p1=(x1, y1), p2=(x2, y2), …, pn=(xn, yn)是平面上n个点构成的集合S,最近对问题就是找出集合S中距离最近的点对。 严格地讲,最接近点对可能多于一对,简单起见,只找出其中的一对作为问题的解。
问题:对于平面上给定的N个点,给出所有点对的最短距离,即,输入是平面上的N个点,输出是N点中具有最短距离的两点。
4.最近点对问题 设p1=(x1, y1), p2=(x2, y2), …, pn=(xn, yn)是平面上n个点构成的集合S,设计算法找出集合S中距离最近的点对。 (1)分别用蛮力法和分治法求解最近对问题; (2)分析算法的时间性能,设计实验...
不会吧!都2022年了,你还没有弄懂最接近点...4)在二维情形下如何能用线性时间完成左右最近点对与中间跨分割线点对的比较? 5)对算法做时间复杂性分析。 6)本题选做:二维情形设采用分治法解最接近点对问题,编程实现。
应用分治法编程计算出所有点对的最短距离。 思路:先对数组进行预处理按X坐标排序,保持Y坐标对应,确定分割线,分成两个相同规模的子问题,主程序中调用子程序 closest,求N个点中最小点对及最短距离 包括实验结果...
算法导论实验:利用分治法求平面上n个点最近点对问题,压缩包内附python源代码和实验报告以及详细时间复杂度分析。
平面点集分治算法的改进
分治法求平面最近点对