凸包算法

在一个实数向量空间V中，对于给定集合X，所有包含X的凸集的交集S被称为X的凸包。

增量式算法1
逐次再点加入，然后检查之前的点是否在新的凸包上。由于每次都要检查所有之前的点，时间复杂度为O(n2)。

首先由一点必定在凸包的点开始，例如最左的一点A1。然后选择A2点使得所有点都在A1A2的右方，这步骤的时间复杂度是O(n)，要比较所有点以A1为原点的极坐标角度。以A2为原点，重复这个步骤，依次找到A3,A4,...,Ak,A1。这总共有k步。因此，时间复杂度为O(n2)。
葛立恒扫描法
由最底的一点A_1开始，计算它跟其他各点的连线和x轴的角度，按小至大将这些角度排序，称它们的对应点为A2,A3,...,An。这里的时间复杂度可达O(nlogn)。
考虑最小的角度对应的点A3。若由A2到A3的路径相对A1到A2的路径是向右转的（可以想象一个人沿A1走到A2，他站在A2时，是向哪边改变方向），表示A3不可能是凸包上的一点，考虑下一点由A2到A4的路径；否则就考虑A3到A4的路径是否向右转……直到回到A1。
这个算法的整体时间复杂度是O(nlogn)，注意每点只会被考虑一次，而不像Jarvis步进法中会考虑多次。
这个算法由葛立恒在1972年发明。[1]它的缺点是不能推广到二维以上的情况。
单调链
将点按x坐标的值排列，再按y坐标的值排列。
选择x坐标为最小值的点，在这些点中找出y坐标的值最大和y坐标的值最小的点。对于x坐标为最大值也是这样处理。将两组点中y坐标值较小的点连起。在这条线段下的点，找出它们之中y坐标值最大的点，又在它们之间找x坐标值再最小和最大的点……如此类推。
时间复杂度是O(n log n)。
分治法
将点集X分成两个不相交子集。求得两者的凸包后，计算这两个凸包的凸包，该凸包就是X的凸包。时间复杂度是O(n log n)。
快包法(Akl-Toussaint启发式)
选择最左、最右、最上、最下的点，它们必组成一个凸四边形（或三角形）。这个四边形内的点必定不在凸包上。然后将其余的点按最接近的边分成四部分，再进行快包法(QuickHull)。