旋转卡壳——凸多边形间最小距离

凸多边形间最小距离

给定两个非连接(比如不相交)的凸多边形 PQ, 目标是找到拥有最小距离的点对 ( p, q) ( p 属于 Pq 属于 Q)。

事实上, 多边形非连接十分重要, 因为我们所说的多边形包含其内部。 如果多边形相交, 那么最小距离就变得没有意义了。 然而, 这个问题的另一个版本, 凸多边形顶点对间最小距离对于相交和非相交的情况都有解存在。

回到我们的主问题: 直观的, 确定最小距离的点不可能包含在多边形的内部。 与最大距离问题相似, 我们有如下结论:

两个凸多边形 PQ 之间的最小距离由 多边形间的对踵点对确立。 存在凸多边形间的三种 多边形间的对踵点对, 因此就有三种可能存在的最小距离模式:
  1. “顶点-顶点”的情况
  2. “顶点-边”的情况
  3. “边-边”的情况

换句话说, 确定最小距离的点对不一定必须是顶点。 下面的三个图例表明了以上结论: 
   
给定结果, 一个基于旋转卡壳的算法自然而然的产生了:
考虑如下的算法, 算法的输入是两个分别有 m 和 n 个顺时针给定顶点的凸多边形 P 和 Q。
  1. 计算 Py 坐标值最小的顶点(称为 yminP ) 和 Qy 坐标值最大的顶点(称为 ymaxQ)。
  2. 为多边形在 yminPymaxQ 处构造两条切线 LPLQ 使得他们对应的多边形位于他们的右侧。 此时 LPLQ 拥有不同的方向, 并且 yminPymaxQ 成为了多边形间的一个对踵点对。
  3. 计算距离(yminP,ymaxQ) 并且将其维护为当前最小值。
  4. 顺时针同时旋转平行线直到其中一个与其所在的多边形的边重合。
  5. 如果只有一条线与边重合, 那么只需要计算“顶点-边”对踵点对和“顶点-顶点”对踵点对距离。 都将他们与当前最小值比较, 如果小于当前最小值则进行替换更新。 如果两条切线都与边重合, 那么情况就更加复杂了。 如果边“交叠”, 也就是可以构造一条与两条边都相交的公垂线(但不是在顶点处相交), 那么就计算“边-边”距离。 否则计算三个新的“顶点-顶点”对踵点对距离。 所有的这些距离都与当前最小值进行比较, 若小于当前最小值则更新替换。
  6. 重复执行步骤4和步骤5, 直到新的点对为(yminP,ymaxQ)。
  7. 输出最大距离。
旋转卡壳模式保证了所有的对踵点对(和所有可能的子情况)都被考虑到。 此外, 整个算法拥有现行的时间复杂度, 因为(除了初始化), 只有与顶点数同数量级的操作步数需要执行。

最小距离和最大距离的问题表明了旋转卡壳模型可以用在不同的条件下(与先前的直径和宽度问题比较)。 这个模型可以应用于两个多边形的问题中。
“最小盒子”问题( 最小面积外接矩形)通过同一多边形上两个正交切线集合展示了另一种条件下旋转卡壳的应用。  

 

 

原文地址:http://cgm.cs.mcgill.ca/~orm/mind2p.html

 

转载请注明出处,谢谢!

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
以下是Java实现的动态规划算法,用于凸多边形的最优三角剖分: ```java public class Triangulation { public static double minWeightTriangulation(double[] vertices) { int n = vertices.length / 2; double[][] dp = new double[n][n]; for (int len = 2; len < n; len++) { for (int i = 0; i < n - len; i++) { int j = i + len; dp[i][j] = Double.MAX_VALUE; for (int k = i + 1; k < j; k++) { double weight = dp[i][k] + dp[k][j] + triangleArea(vertices, i, k, j); if (weight < dp[i][j]) { dp[i][j] = weight; } } } } return dp[0][n - 1]; } private static double triangleArea(double[] vertices, int i, int j, int k) { double x1 = vertices[2 * i]; double y1 = vertices[2 * i + 1]; double x2 = vertices[2 * j]; double y2 = vertices[2 * j + 1]; double x3 = vertices[2 * k]; double y3 = vertices[2 * k + 1]; return Math.abs((x1 * (y2 - y3) + x2 * (y3 - y1) + x3 * (y1 - y2)) / 2.0); } } ``` 这个算法中,`vertices`数组包含了多边形的所有顶点坐标,按照顺序存储,每个顶点有两个坐标值:x和y。`minWeightTriangulation`方法返回最优三角剖分的权重和,即所有三角形的面积之和。 算法的核心是一个二维数组`dp`,其中`dp[i][j]`表示从第i个顶点到第j个顶点的最优三角剖分的权重和。通过动态规划的方式,逐步计算出所有子问题的最优解,最终得到全局最优解。 具体来说,算法的外层循环枚举子问题的长度,从2开始,一直到n-1。内层循环枚举子问题的起点i和终点j,计算出所有可能的三角剖分方式,并选择其中权重和最小的一个。这个过程的时复杂度是O(n^3),可以通过一些优化来降低复杂度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值