目录
问题描述
凸多边形三角剖分是一个几何问题,是计算及图形学的一项重要技术,其问题描述是:给定一个凸多边形,以及定义在由凸多边形的边和弦组成的三角形上的权函数。要求确定该凸多边形确定该凸多边形的一个三角剖分,是的该三角剖分中诸三角形上的权之和最小。
为了更好的解决问题,这里先简述一下动态规划的思想。
动态规划
动态规划是一种将复杂问题分解成很多子问题,并将子问题的求解结果存储起来避免重复求解的一种算法。动态规划一般用来解决最优问题。
能用动态规划解决的问题,需要满足三个条件:最优子结构,无后效性和子问题重叠。
1.最优子结构:一个最优化策略的子策略总是最优的。一个问题满足最优化原理又称其具有最优子结构性质。
2.无后效性:将各阶段按照一定的次序排列好之后,对于某个给定的阶段状态,它以前各阶段的状态无法直接影响它未来的决策,而只能通过当前的这个状态。
3.子问题重叠:如果有大量的重叠子问题,我们可以用空间将这些子问题的解存储下来,避免重复求解相同的子问题。
与分治策略率类似,动态规划也是利用了将问题分解为若干子问题的思路。不同的是,动态规划将子问题的解存储下来,避免求解相同的子问题,因此,动态规划往往应用于子问题不是相互独立的情况。
三角剖分问题求解
由最优子结构性质可以得到以下递归:
为凸子多边形的最优三角剖分所对应的权函数值,即最优值。
核心代码如下:
void MinWeightTriangulation(int n,int m[][100],int s[][100])//计算最优值
{
for(int i=1;i<=n;i++)
m[i][i]=0;
for(int r=2;r<=n;r++)
{
for(int i=1;i<=n-r+1;i++)
{
int j=i+r-1;
m[i][j]=m[i+1][j]+Weight(i-1,i,j);
s[i][j]=i;
for(int k=i+1;k<j;k++)
{
int t=m[i][k]+m[k+1][j]+Weight(i-1,k,j);
if(t<m[i][j])
{
m[i][j]=t;
s[i][j]=k;
}
}
}
}
}
void Traceback(int i,int j,int s[][100])//构造最优三角剖分
{
if(i==j) return;
Traceback(i,s[i][j],s);
Traceback(s[i][j]+1,j,s);
cout<<i-1<<s[i][j]<<j<<endl;
}