清华计算几何大作业（二）：CG2017 PA5-1 Dynamic Convex Hull（动态凸包）

1. 前置知识

• Graham Scan，详见前一节

• 平衡二叉查找树（BBST），本系列特指红黑树

2. 思路分析

问题描述：PA5-1 Dynamic Convex Hull（动态凸包）

题目中涉及两种操作：

第一类：操作向点集中加入点。

第二类：操作查询某个点是否在凸包里（在凸包边界上也视作在凸包里）。

并且提示“第一类操作是计算时间开销的主要部分”和“可能需要实现合适的平衡二叉树”，所以我们先来分析凸包算法（Graham Scan）的时间复杂度。算法整体的时间复杂度为O( nlogn )，n为输入点集的个数。算法中的时间开销主要为两个部分：1）presorting，伪代码第一行，时间消耗为O( nlogn )；2）伪代码第二行开始的Scan操作，时间消耗为O( n )。

现在我们如果每插入一个新的点，就运行一次Graham Scan（包括Presorting），假设插入第k个点，那么插入总的时间消耗为：

O( 1 * log1 + 2 * log2 + 3 * log3 + … + k * log k ) -> Eq1

假设总插入点的总数不大于n个，那么整体的时间复杂度为（把里面的因子放大到n）：

Eq1 <= O( n * logn + n * logn + n * logn + … + n * log n ) = O ( n * n * logn )

整体的复杂度不尽人意，出现了二次项，那么我们可以思考这么一个问题：Graham Scan算法中的哪一步可以进行优化呢？其实这个答案也非常明确，就是Presorting，每次执行凸包算法，这个步骤必然消耗最高O( n * logn )，那么可以有什么方法对其进行简化么？没错，解决方案就是题目中的另一个提示：可能需要自己实现BBST，如果我们每次插入不是对所有点进行sort，而是利用BBST的有序性，只需O( logn )时间进行插入，后面就可以进行线性时间的Scan。

通过这样处理，那么在插入k次，第k + 1 次插入的的时间消耗为：log( k + 1 ) + k +1，因此总的时间消耗为：

O( k * logk + log( k + 1 ) + ( k + 1 ) + log( k + 2 ) + ( k + 2 ) + … + logn + n ) -> Eq2

同样进行放大处理：

Eq2 <= O( n * logn + log( n ) + ( n ) + log( n ) + ( n ) + … + logn + n ) = O ( n * logn )

从渐进的意义上，我们把原先的时间提升了一个数量级的n。分析完插入，那么查询操作的时间复杂度呢？这里我们使用to left test检查查询点是否都位于每条Extreme Edge 的左边或边上，如果不是，则不再凸包内部，反之则在。因为至多需要检查( n - 1 )条Extreme Edge，所以查询的时间复杂度为O( n )。

结合上面插入的时间复杂度，整个动态凸包的时间复杂度为（假设查询m次）：

O ( n * logn ) + m * O( n )

另外，如果能把查询操作优化为O( logn )，可以将整体的时间复杂度降为：

max( n, m ) * O( logn )

但笔者不确定是否能把查询优化为O( logn )，有兴趣的童鞋可以自己探索一下哒~ 如果发现了相应的方法，请联系我的邮箱：402951678@qq.com。

因为这节作业和上一节的作业高度重合，所以不再提供可视化结果，如果有需要的童鞋，可以自己查看上一节里面的可视化程序代码，自己实现相应的功能。

3. 项目代码

个人作业项目代码：Algorithm

※ 前一节使用的Graham Scan算法已经调整为支持动态凸包算法

1.1.1 Numerical Tests

Description	Entry method
toLeft test	boolean toLeft( Vector base1, Vector base2, Vector point )
inCircle test	double inCircle( Vector a, Vector b, Vector c, Vector p )

1.1.2 Convex Hull

Description	Entry method\File
Graham’s Scan	List<Vector> grahamScan( List<Vector> points )
Brute force	List<Vector> slowConvexHull( List<Vector> points )
Program ( including visualization )	CG2017 PA1-1 Convex Hull / CG2017 PA5-2 Dynamic Convex Hull

2.1 Tree

Description	Entry File
Binary Search Tree ( put(), deleteMin(), deleteMax(), delete(), min(), max(), etc.)	BinarySearchTree.java
Red Black Tree ( put(), deleteMin(), deleteMax(), delete(), min(), max(), etc. )	RedBlackTree.java
Segment Tree ( Range maximum and minimum Query )	SegmentTree.java
Priority Queue	MyPriorityQueue.java
Doubly Linked Binary Search Tree ( With the ability delete / insert a node directly from / into the BST )	DoublyLinkedBST.java
Doubly Linked Red Black Tree ( With the ability delete / insert a node directly from / into the R-B Tree )	DoublyLinkedRBT.java

4. 拓展（Follow-ups）

• 考虑是否可以将查询操作从O( n )优化为O( logn )
• 使用其他凸包算法来实现动态凸包：Divide-And-Conquer，Jarvis March
• 实现更高维的动态凸包算法：3D Convex Hull，详见教材 11.凸包： 混合物（11. Convex Hulls: Mixing Things）

---

上一节：CG2017 PA1-1 Convex Hull (凸包)

下一节：CG2017 PA1-2 Crossroad (十字路口)

系列汇总：清华计算几何大作业思路分析和代码实现

5. 参考资料

1. Computational Geometry: Algorithms and Applications
2. 计算几何 ⎯⎯ 算法与应用, 邓俊辉译，清华大学出版社
3. 计算几何 | Computational Geometry

6. 免责声明

※ 本文之中如有错误和不准确的地方，欢迎大家指正哒~
※ 此项目仅用于学习交流，请不要用于任何形式的商用用途，谢谢呢；

---