给定一个非重叠轴对齐矩形的列表 rects
,写一个函数 pick
随机均匀地选取矩形覆盖的空间中的整数点。
提示:
- 整数点是具有整数坐标的点。
- 矩形周边上的点包含在矩形覆盖的空间中。
- 第
i
个矩形rects [i] = [x1,y1,x2,y2]
,其中[x1,y1]
是左下角的整数坐标,[x2,y2]
是右上角的整数坐标。 - 每个矩形的长度和宽度不超过 2000。
1 <= rects.length <= 100
pick
以整数坐标数组[p_x, p_y]
的形式返回一个点。pick
最多被调用10000次。
示例 1:
输入: ["Solution","pick","pick","pick"] [[[[1,1,5,5]]],[],[],[]] 输出: [null,[4,1],[4,1],[3,3]]
示例 2:
输入: ["Solution","pick","pick","pick","pick","pick"] [[[[-2,-2,-1,-1],[1,0,3,0]]],[],[],[],[],[]] 输出: [null,[-1,-2],[2,0],[-2,-1],[3,0],[-2,-2]]
输入语法的说明:
输入是两个列表:调用的子例程及其参数。Solution
的构造函数有一个参数,即矩形数组 rects
。pick
没有参数。参数总是用列表包装的,即使没有也是如此。
思路:一开始我从矩形中随机选择一个矩形,然后输出矩形中的随机一个点,发现这种方法始终通不过第30个测试样例,于是开始看discuss才发现原来矩形的面积大小意味着选中概率的高低,矩形面积越大,被选中的概率越大,这是一道典型的不等概率选择的问题。
所以为了保证如上的不等概率选择,需要把矩形的面积变成一维的长度向量,累加值放到map里(map的key为累加面积值,value为下标),比如有三个矩形,面积分别为2,4,8,那么map里存的值如下:
<2,0>
<6,1>
<14,2>
这样做的好处是:
1:可以根据key的随机值选择到对应的矩形的下标
2:key永远是单增,且map的key是由小到大自动排序,所以一定可以通过key查询到矩形的第几个索引值。
但是这么做有个问题,测试样例中有非矩形值[1,0,3,0],这样的话这样面积为0的矩形就永远不会被访问到,所以我们修改map的key为:(矩形宽+1)*(矩形长+1),这样即使上面的情况也会有对应的面积表示(注意,这里的面积不是矩形的真正面积,只是为了能实现不等概率采样的方法)。
参考代码:
class Solution {
public:
Solution(vector<vector<int>> rects) {
this->rects = rects;
for (auto it : rects) {
sum_area += (it[2] - it[0] + 1)*(it[3] - it[1] + 1);
m.insert({sum_area, (int)m.size()});
}
}
vector<int> pick() {
int value = rand() % sum_area;
int id = m.upper_bound(value)->second;
vector<int> rec = rects[id];
int width = (rec[2] - rec[0] + 1);
int height = (rec[3] - rec[1] + 1);
return { rand() % width + rec[0],rand() % height + rec[1] };
}
private:
vector<vector<int>> rects;
int sum_area=0;
map<int, int> m;
};