1. 问题
2. 解析
-
朴素暴力算法:
-
分治法求解最近点对:
-
D i v i d e Divide Divide:
-
M e r g e Merge Merge:
-
我们定义集合 [ l , r ] [l,r] [l,r] 中最近点对的距离为 D D D
-
那么 d d d 的归属有三种情况:1. 属于 [ l , m i d ] [l,mid] [l,mid] 集合 2. 属于 [ m i d + 1 , r ] [mid+1,r] [mid+1,r] 集合 3. 两个点分别属于左右两个集合。
-
我们可以通过递归分治求解当前的1和2情况,得到左右区间的最小点对距离为 d d d ,所以我们只需要考虑3情况即可。
-
对于3的情况,由于左右集合的最近点对距离是 d d d。在一维的情形下,我们可以根据中位数的横坐标X,划分出一个 [ X − d , X + d ] [X-d,X+d] [X−d,X+d] 的集合,并将这个范围内的点纳入我们的考虑集合 S S S 中,对于范围之外的点对的最近距离只可能大于等于 d d d ,故直接排除。
-
接着我们考虑二维的情形,即集合中点的纵坐标的影响,我们可以对集合 S S S 中的点根据纵坐标升序排序,然后枚举点对然后计算点对的距离 d i s dis dis, 并记录下最近点对距离,即 D = m i n ( D , d i s ) D = min(D,dis) D=min(D,dis),如果两个点的纵坐标差距大于 D D D 可以直接结束当前循环,最后记录下来的 D D D 即是最小点对距离。根据鸽笼原理可以证明某个点最多只需要检查与其相邻的6个点;
-
-
3. 设计
平面最近点对算法:
#include<bits/stdc++.h>
using namespace std;
const int N = 1e5+10;
int n,m,k;
struct point {
double x,y;
}e[N];
int cmpX(point p1,point p2) {
return p1.x < p2.x;
}
int cmpY(point p1,point p2) {
return p1.y < p2.y;
}
double dis(point p1,point p2) {
return sqrt((p1.x-p2.x)*(p1.x-p2.x)+(p1.y-p2.y)*(p1.y-p2.y));
}
double getMinDistance(point e[],int l,int r) {
//如果刚好有两个点
if (r-l==1) {
return dis(e[l],e[r]);
}
//如果刚好有三个点
if (r-l==2) {
return min(dis(e[l],e[l+1]),min(dis(e[l],e[r]),dis(e[l+1],e[r])));
}
//如果多于三个点需要分治
//先根据一维的x坐标进行排序和分治,根据中位数分成左右两部分点
int mid = l+r>>1;
//得到左右集合最小的距离
double d = min(getMinDistance(e,l,mid),getMinDistance(e,mid+1,r));
//有可能两个最短点对分别在左右两个集合还需要进一步讨论
point p[r-l+1];
int cnt=0;
//将中位数旁边[x-d,x+d]范围之内的点都容纳进来
for (int i=l;i<=r;i++) {
if (fabs(e[i].x-e[mid].x)<d) {
p[++cnt] = e[i];
}
}
//根据y坐标进行升序排序
sort(p+1,p+cnt+1,cmpY);
for (int i=1;i<=cnt;i++) {
for (int j=i+1;j<=cnt;j++) {
//由于是升序排序,如果当前的点对y坐标差距比d还要大
//说明接下来的点的距离都要大于d,故break
if (p[j].y - p[i].y >= d) break;
//否则可能是最小点对,需要更新一下最小点对距离
d = min(d,dis(p[i],p[j]));
}
}
return d;
}
void run() {
while (scanf("%d",&n),n) {
for (int i=1;i<=n;i++) {
scanf("%lf %lf",&e[i].x,&e[i].y);
}
sort(e+1,e+n+1,cmpX);
printf("The minimum distance of point pair is = %lf",getMinDistance(e,1,n));
}
}
int main() {
run();
return 0;
}
4. 分析
-
平面点对算法需要多次分治和进行子问题合并操作
-
合并的复杂度为 O ( n ) O(n) O(n),分治的子问题复杂度为 O ( n 2 ) O(\frac{n}{2}) O(2n)
-
故总时间复杂度约为 O ( n 2 ) + O ( n 2 ) + O ( n ) = O ( n l o g n ) O(\frac{n}{2}) + O(\frac{n}{2}) + O(n) = O(nlogn) O(2n)+O(2n)+O(n)=O(nlogn)
5. 源码
https://github.com/a894985555/Algorithm/tree/main/%E6%9C%80%E8%BF%91%E7%82%B9%E5%AF%B9