分治法解决凸包问题

Lo-Y-eH

已于 2023-10-25 22:09:30 修改

阅读量483

点赞数 4

文章标签：算法 python

于 2023-10-25 17:27:59 首次发布

本文链接：https://blog.csdn.net/m0_73419365/article/details/131362980

版权

一、定义

凸包是一个多边形，它包含了给定点集中的所有点，并且所有的内角都小于等于180度。换句话说，凸包是一个没有凹角的多边形。凸包问题即是寻找包含给定点集的最小凸多边形的问题。

二、应用

凸包问题在计算机图形学中有广泛的应用，例如：

1. 碰撞检测：通过计算物体的凸包，可以判断物体是否发生碰撞，从而实现真实感的物理模拟和游戏引擎等应用。

2. 多边形裁剪：在计算机图形学中，经常需要对多边形进行裁剪和显示，凸包可以有效地描述多边形的形状和位置关系，从而实现高效的裁剪算法。

3. 凸包压缩：在图像和视频压缩中，可以利用凸包来描述和压缩图像的轮廓信息，从而减小数据的存储和传输开销。

4. 几何优化：在计算机辅助设计和计算机视觉等领域，凸包可以用于优化和简化几何模型，提高算法的效率和精度。

三、算法

1. 蛮力法：
蛮力法是最简单直接的方法，通过枚举所有可能的凸多边形来找到凸包。然而，这种方法的时间复杂度为O(2^n)，在点集数量较大时效率极低，不适用于实际应用。

2. Graham 扫描算法：
Graham 扫描算法是一种基于排序的凸包算法。它的核心思想是选择一个起始点，并按照与起始点的极角排序其他点。通过维护一个栈数据结构，逐步处理每个点，将其添加到凸包中或者从凸包中移除。Graham 扫描算法的时间复杂度为O(n log n)，其中n为点的数量。

3. 分治算法：
分治算法是一种将大问题分解为小问题并分别解决的策略，通过将问题分而治之，可以简化问题的求解过程。在凸包问题中，通过将点集按照某种方式划分为子集，然后分别求解子集的凸包，最后合并子集的凸包，可以高效地得到整个点集的凸包。算法的平均时间复杂度为O(n log n)，最坏情况下为O(n^2)，其中n为点的数量。

本文主要讲解分治法解决凸包问题：

算法原理：

将点集按照 x 坐标进行排序，得到有序点集。
将有序点集分成两个子集，分别求解子集的凸包。
合并两个子集的凸包，得到整个点集的凸包。

测试数据：

使用系统随机生成的点集

主要流程：

1) 输入点集数据

2) 对输入的点集按照 x 坐标进行排序

3) 调用分治算法求解凸包

4) 合并子集凸包得到整个点集的凸包

5) 输出凸包结果

代码：

import matplotlib.pyplot as plt
import random


def convex_hull(points):
    if len(points) <= 3:
        return points

    points.sort(key=lambda p: p[0])

    upper_hull = [points[0], points[1]]
    for i in range(2, len(points)):
        upper_hull.append(points[i])
        while len(upper_hull) > 2 and not is_counter_clockwise(upper_hull[-3], upper_hull[-2], upper_hull[-1]):
            upper_hull.pop(-2)

    lower_hull = [points[-1], points[-2]]
    for i in range(len(points) - 3, -1, -1):
        lower_hull.append(points[i])
        while len(lower_hull) > 2 and not is_counter_clockwise(lower_hull[-3], lower_hull[-2], lower_hull[-1]):
            lower_hull.pop(-2)

    convex_hull = upper_hull + lower_hull[1:-1]
    return convex_hull


def is_counter_clockwise(p1, p2, p3):
    return (p2[0] - p1[0]) * (p3[1] - p1[1]) - (p2[1] - p1[1]) * (p3[0] - p1[0]) > 0


def generate_random_points(num_points):
    points = []
    for _ in range(num_points):
        x = random.randint(-10, 10)
        y = random.randint(-10, 10)
        points.append((x, y))
    return points


def plot_convex_hull(points, convex_hull):
    plt.figure()
    plt.scatter(*zip(*points), color='blue', label='Points')
    plt.plot(*zip(*convex_hull, convex_hull[0]), color='red', label='Convex Hull')
    plt.legend()
    plt.title('Convex Hull')
    plt.show()


if __name__ == '__main__':
    num_points = int(input("Enter the number of points: "))
    input_points = generate_random_points(num_points)
    print("Input:", input_points)
    rst = convex_hull(input_points)
    print("Output:", rst)

    # 绘制凸包
    plot_convex_hull(input_points, rst)

运行结果：