- 说明:这是武汉理工大学计算机学院【算法设计与分析】课程的第一次实验第三题:分治法与最近点对问题
- >>点击查看武汉理工大学计算机专业课程资料汇总
- >>点击查看WUTer计算机专业实验汇总
- 谨记:纸上得来终觉浅,绝知此事要躬行。
一、问题描述
设,
,…,
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。
二、问题分析
用分治法解决最近对问题,很自然的想法就是将集合S分成两个子集 和
,每个子集中有
n/2个点。然后在每个子集中递归地求其最接近的点对,在求出每个子集的最接近点对后,在合并步中,如果集合 S 中最接近的两个点都在子集
或
中,则问题很容易解决,如果这两个点分别在
和
中,问题就比较复杂了。
最近对问题的分治策略是:
⑴划分:将集合S分成两个子集和
,设集合S的最近点对是
和
(
),则会出现以下三种情况:
⑵求解子问题:对于划分阶段的情况①和②可递归求解,如果最近点对分别在集合S1和S2中,问题就比较复杂了。
⑶合并:比较在划分阶段三种情况下最近点对,取三者之中较小者为原问题的解。
为了使问题易于理解,先考虑一维的情形。
此时,S中的点退化为x轴上的n个点x1, x2, …, xn。用x轴上的某个点m将S划分为两个集合S1和S2,并且S1和S2含有点的个数相同。递归地在S1和S2上求出最接近点对 (p1, p2) 和(q1, q2),如果集合S中的最接近点对都在子集S1或S2中,则d=min{(p1, p2), (q1, q2)}即为所求,如果集合S中的最接近点对分别在S1和S2中,则一定是(p3, q3),其中,p3是子集S1中的最大值,q3是子集S2中的最小值。
下面考虑二维的情形,此时S中的点为平面上的点。
关键点1:分割点M的选取问题
仍以一维为例:选取分割点m的一个基本要求是由此导出集合S的一个线性分割,即S=S1∪S2 ,S1∩S2=Φ,且S1={x|x≤m};S2={x|x>m}。容易看出,一维情况下,如选m=[max(S)+min(S)]/2,可以满足线性分割的要求。选取分割点后,再用O(n)时间即可将S划分成S1={x∈S|x≤m}和S2={x∈S|x>m}。然而,这样选取分割点m,有可能造成划分出的子集S1和S2的不平衡。
例如在最坏情况下,|S1|=1,|S2|=n-1,由此产生的分治法在最坏情况下所需的计算时间T(n)应满足递归方程:
T(n)=T(n-1)+O(n) 它的解是T(n)=O(n2)。
这种效率降低现象可通过分治法中“平衡子问题”方法加以解决。即通过适当选择分割点m,使S1和S2中有大致相等个数的点。
因此,用S的n个点的坐标的中位数来作分割点。在选择算法中介绍的选取中位数的线性时间算法使我们可以在O(n)时间内确定一个平衡的分割点m。
以上情况可以方便推广到二维,即二维情况下,m取S中各点x坐标的中位数。—中位数是指将数据按大小顺序排列起来,形成一个数列,居于数列中间位置的那个数据。
关键点2:情况③的求解
为了将平面上的点集S 分割为点的个数大致相同的两个子集S1和S2,选取垂直线x=m来作为分割线,其中,m为S中各点x坐标的中位数。由此将S分割为S1={p∈S | xp≤m}和S2={q∈S | xq>m}。递归地在S1和S2上求解最近对问题,分别得到S1中的最近距离d1和S2中的最近距离d2,令d=min(d1, d2),若S的最近对(p, q)之间的距离小于d,则p和q必分属于S1和S2,不妨设p∈S1,q∈S2,则p和q距直线x=m的距离均小于d(否则就p,q的距离就大于d),所以,可以将求解限制在以x=m为中心、宽度为2d的垂直带P1和P2中,垂直带之外的任何点对之间的距离都一定大于d。
假设p(x,y)是P1和P2中y坐标最小的点,由于p 可能在P1或P2,所以需要找与p距离小于d的点,显然,这样点的y轴坐标一定位于区间[y, y+d]之间,而且,这样的点不会超过8个(鸽笼原理可以证明P1和P2 分别为4个)。---如果超过了8个,例如9个,那么必有2两个点距离小于d
处理方法:将P1和P2中的点按y的升序排列,顺序处理P1和P2中的点p(x,y),在y坐标区间中最多取8个点,计算其与点p 的距离。
三、算法设计
四、实验代码
完整VS2017项目:https://github.com/cxh1231/Junior-Algorithm-ClosestPointProblem
#include <iostream>
#include <math.h>
using namespace std;
const int n = 8;
//定义结构体表示集合S中的 点的坐标
struct point{
int x, y;
};
double Closest(point S[], int low, int high); //实现求最近对距离
double Distance(point a, point b); //求两点之间距离
int Partition(point r[], int first, int end); //划分【课本P62】
void QuickSort(point r[], int first, int end); //快速排序【课本P63】
//实现求最近对距离
double Closest(point S[], int low, int high){
double d1, d2, d3, d;
int mid, i, j, index;
point P[n]; //存放点集合 P1和P2
//如果只有两个点,返回这两个点间的距离
if (high - low == 1) {
return Distance(S[low], S[high]);
}
//如果有三个点,求最近点对距离
if (high - low == 2) {
d1 = Distance(S[low], S[low + 1]);
d2 = Distance(S[low + 1], S[high]);
d3 = Distance(S[low], S[high]);
if ((d1 < d2) && (d1 < d3)) return d1;
else if (d2 < d3) return d2;
else return d3;
}
mid = (low + high) / 2; //计算中间点
d1 = Closest(S, low, mid); //递归求解子问题①
d2 = Closest(S, mid + 1, high); //递归求解子问题②
if (d1 <= d2) d = d1; //已下为求解子问题③
else d = d2;
index = 0;
for (i = mid; (i >= low) && (S[mid].x - S[i].x < d); i--) //建立点集合P1
P[index++] = S[i];
for (i = mid + 1; (i <= high) && (S[i].x - S[mid].x < d); i++) //建立点集合P2
P[index++] = S[i];
//对集合P1、P2按y坐标升序排列
QuickSort(P, 0, index - 1);
//依次处理集合P1和P2中的点
for (i = 0; i < index; i++) {
for (j = i + 1; j < index; j++) {
if (P[j].y - P[i].y >= d) //超出y坐标的范围,点P[i]处理完毕
break;
else {
d3 = Distance(P[i], P[j]);
if (d3 < d)
d = d3;
}
}
}
return d;
}
//求两点之间距离
double Distance(point a, point b){
return sqrt((a.x - b.x) * (a.x - b.x) + (a.y - b.y) * (a.y - b.y));
}
//划分【课本P62】
int Partition(point r[], int first, int end){ //划分
int i = first, j = end; //初始化待划分区间
while (i < j) {
while (i < j && r[i].y <= r[j].y) j--; //右侧扫描
if (i < j) {
point temp = r[i]; r[i] = r[j]; r[j] = temp; //将较小记录交换到前面
i++;
}
while (i < j && r[i].y <= r[j].y) i++; //左侧扫描
if (i < j) {
point temp = r[i]; r[i] = r[j]; r[j] = temp; //将较大记录交换到后面
j--;
}
}
return i; // 返回轴值记录的位置
}
//快速排序【课本P63】
void QuickSort(point r[], int first, int end){ //快速排序
int pivot;
if (first < end) {
pivot = Partition(r, first, end); //划分,pivot是轴值在序列中的位置
QuickSort(r, first, pivot - 1); //求解子问题1,对左侧子序列进行快速排序
QuickSort(r, pivot + 1, end); //求解子问题2,对右侧子序列进行快速排序
}
}
int main()
{
//输入按x坐标升序排列的n个点的集合
point S[n] = { {1,4},{1,8},{2,1},{3,2},{4,4},{5,1},{6,6},{7,2} };
double minDist = Closest(S, 0, n - 1);
//输出最近点对的距离
cout << "最近点对距离为:"<< minDist << endl;
return 0;
}
五、运行结果
最近点对距离为:1.414……
六、总结
T(n)=O(nlog2n)