构造凸包-增量构造法

在引入新算法之前首先来回顾一下经典的算法思想:减治(decrease and conquer),注意不是分治(divided and conquer),二者稍有区别。简单来讲就是将问题划分为一个个简单的小问题,减而治之,逐个求解,最终就能得到整个问题的解。

减治法的经典例子就是插入排序(insertion sort)。插入排序的过程可以归结成下图:

img

排序的过程中将序列分为两部分:已排序部分(sorted)和未排序部分(unsorted)。每次排序都是从unsorted中拿出一个元素,通过一次顺序查找过程在sorted部分中找到位置并插入其中。

整个插入排序的过程就是逐个元素的去“蚕食”unsorted部分的过程,连续的进行这个操作就会将整个问题解决。这种将大问题分解成小问题的减治过程,又被看成一种递增的、增量式的策略(incremental strategy)。这种思想为解决凸包问题提供了新的思路:从逐个插入新点的角度构造凸包。

典型流程如下图(标识为:极点/整体规模):

image-20200311222412367

插入新的点可能的情况有:

  • 新点对凸包有“贡献”,例如5/5→6/6,6/6→7/7;
  • 新点也有可能没有“贡献”,例如7/7→7/8;
  • 还有可能使原先有“贡献”的点失效,极点数量减少,例如7/8→6/9。
    那么如何对不同情况进行处理呢?

确定新点与现有凸包的关系~in-convex-polygon test

构造过程的核心算法应该是:判定待定点是否位于某多边形内部(in-convex-polygon test)。再看上图流程,实际上每步的核心就是判断点位于多边形内部还是外部,若落在外部,则新插入的点就是下一个极点,否则舍弃。

考虑基本情况,给定一个点和一个多边形,如何高效判断该点与多边形的位置关系呢?

分析一下算法的整体复杂度:整个算法共log(n)步,每步的to-left test或in-triangle test都为常数成本,则整体复杂度为log(n)。至此,我们似乎得到了一个log(n)的“高效”算法,但是这种方法真的可行吗?

注意,每步都会将原凸包规模减半,也就是说凸包是动态的,随时可能变化。这种方法和极点法或极边法中静态查找的情况是完全不同的。

类比插入排序的过程来解释这个问题。为何插入排序的复杂度是n^2^而非nlog(n)?每次插入时,既然sorted部分已经有序,为何不使用二分查找来取代顺序查找(复杂度由n变为log(n))?这不得不考虑sorted部分的动态性,每次插入后它的结构都会改变,而二分查找必须在静态结构中实现。当然可以使用std::vector这类支持按秩访问(call by rank)的数据结构,但是插入时维护vector的成本依旧是线性复杂度。因此插入排序的总体复杂度是n^2^。要处理的凸包与插入排序中sorted部分本质是一样的,它们都不是静态不变的结构,而要随着算法执行而不断变化。若要每次在log(n)成本下完成待定点的in-convex-polygon test,必须将凸包存储为类似vector的数据结构,但是每次向这种数据结构插入新点的成本依旧是线性的。因此对凸包进行的所谓“预处理”是没有意义的,这种减治策略算法复杂度最低应该为O(n^2^)。

到现在问题依旧没有解决,究竟如何用这种增量式的策略来构造凸包?其实复杂问题中最朴素、最基本的方法反而是最有效的。

in-convex-polygon test最基本的方法是什么?就是按一定方向(约定为逆时针)凸包的每条边和待定点做to-left test,一旦有一次test为false就能断定点在凸包外面。这实际上就是将in-triangle test推广多边形的情况。因此每次in-convex-polygon test的成本就会变成当前凸包的规模,也就是n。对于每个新点做一次in-convex-polygon test,构造算法的整体复杂度就是O(n^2^)。算法的复杂度从极边法的O(n^3^)又下降了一个数量级。

其实增量算法的整个思路可以分成两块:

上面的方法已经解决了第一个问题。第二个问题看下面部分:

如何向凸包插入新点~support-line

现在来讨论如何向凸包插入新点:

比如下面这个点,应该如何插入凸包之中呢?

新点准备插入现有凸包

插入过程:将新点x插入原凸包的过程,本质上就是寻找两个连接点s和t,将x和t、s分别连接得到新的凸包。注意t和s两点将整个原凸包边界分为两部分:st和ts两个有向段。构造新凸包就要保留远端st、舍弃近端ts。取代近端ts的两条线就是x和t的连线xt和xs,被称为切线(tangent)或者support line(支撑线)

img

那如何查找t、s这两个点呢?

我们在凸包上任取一点v,按逆时针方向v点会有一个直接前驱点和直接后继点。考察有向直线xv与点v直接前驱和直接后继的位置关系(两次to left test),记录为一个pattern表

结果无非是四种情况:v的直接前驱和直接后继相对于有向直线xv的位置是RL,LR,LL,RR。例如上图黄色点v,是R和L;蓝色点v分别是L和R。实际上凸包边界st上所有点的pattern都为RL,ts上所有点的pattern都为LR。关键点在于:点S的pattern是LL,点t的pattern为RR。

因此对凸包边界每个点做两次to left test,判断其pattern就可找出s和t,花费时间成本为常数。

incremental construction

再来回顾整个凸包构造算法的两大问题:in-convex-polygon test和插入新点。分开考虑只是为了将思路简化,实际上这两个问题可以套用一个算法,同时来解决。

具体做法就是:对于每个待定点x,不必特意去考虑它与凸包的位置关系而是遍历凸包上每一个点

对于凸包边界上的每一个点,我们都能通过两次to left test迅速判断出pattern。

对于x位于凸包外部的情况,经过遍历凸包的点,我们很容易就能得到s和t的位置,得到两条support line,从而构造出新的凸包;

而对于x位于凸包内部的情况,凸包边界每个点都不可能出现RR或LL的情况,直接舍弃x即可。

每次遍历凸包边界点的复杂度为O(n),整个构造过程要增量式的逐点考察,自然得到了一个O(n^2^)的incremental construction算法。

这就是所谓增量构造法来构造凸包的过程。构造过程巧妙的避开了特殊处理诸如5/5→6/6、7/7→7/8、7/8→6/9等复杂情况,采用一致的思路逐个考察“新点”,最终完成凸包的构造。

代码部分

待写……..

小结:

其实增量算法的整个思路可以分成两块:


发布了33 篇原创文章 · 获赞 10 · 访问量 1万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 游动-白 设计师: 上身试试

分享到微信朋友圈

×

扫一扫,手机浏览