蛮力法的最近对问题:https://blog.csdn.net/qq_40452317/article/details/88040973
用分治法解决问题就是将集合s分为两个集合s1和s2。每个解合都有n/2个点,接着在子集和中递归求解最近的点。
一维情况
为了简单化问题,我们先考虑一维情形,即所有的点都在x轴上(假如顺序是有序的,也可以排好序,为简单,直接输入有序序列),x轴上某个点m将集合划分为s1和s2,并且两个集合的点数都是相同的,递归的求解两个子集最近对的点,(p1,p2)和(q1,q2)。如果,两个集合的最近点对都在子集s1和s2中,则
d = min{ |p1-p2| , |q1-q2| }
如果,最近点对分别在s1和s2中,则一定是(p3,q3)。|p3-q3|<d,则p3和q3两者与m的距离都不超过d,且在区间(m-d,d]和(d,m+d]各有且仅有一个点。这样,就可以在线性时间内实现合并。
一维情形下的最近点对时间复杂度为O(nlogn)。
二维情况
推广一维,来看二维,我们仿照一维的情况先把所有点按照x(横坐标)从左到右升序排列。以X横坐标中间的点作为分界线.将平面的点分成左边和右边。找到左边的点中最近点对的距离d1,和右边最近点对的距离d2。d=min{d1,d2}。如下如:
当前的d1,d2都是两边各自的点的最近距离,但是没有考虑到两边的点相互配对的情况,即是点对一个在左边区域,一个在右边区域。可以用上面找到的d来限制配对.即是明显超过d的两点不需要配对,如下
以中间线为中心,dmin 为半径划分一个长带,最小点对还有可能存在于s1和s2的交界处,,p点和q点分别位于S1和S1的虚线范围内,只有在这个范围内,p点和q点之间的距离才会小于dmin。
不选取2dmin 带中所有的点进行计算,而是对于S1虚框范围内的p点,只选取S2虚框范围内长2dmin,宽为dmin的中的点进行计算,由dmin的意义可知S2中任何2个S中的点的距离都不小于d。由此可以推出矩形R中最多只有6个S2中的点。
为什么只有六个点?
我们利用反证法证明:
如果右边这2个正方形内有7个点与p点距离小于d,例如q点,则q点与下面正方形的四个顶点距离小于d,则和d为S1和S2中的最小点对距离相矛盾。因此对于S1虚框中的p点,不需求出p点和右边虚线框内所有点距离,只需计算S2中与p点y坐标距离最近的6个点,就可以求出最近点对,节省了比较次数。
然后我们只知道对于S1中每个d中的点p最多只需要检查S2中的6个点,但是我们并不确切地知道要检查哪6个点。为了解决这个问题,我们可以将p和S2中所有d的点投影到中界线上。由于能与p点一起构成最接近点对候选者的d中点一定在矩形R中,所以它们在直线l上的投影点距p在中界限上投影点的距离小于d。由上面的分析可知,这种投影点最多只有6个。因此,若将S1和S2中所有S的点按其y坐标排好序,则对S1中所有点p,对排好序的点列作一次扫描,就可以找出所有最接近点对的候选者,对S1中每一点最多只要检查S2中排好序的相继6个点。
算法代码
一、输入:按x坐标排列的n(n>=2)个点的集合S={(x1,y1),(x2,y2),...,(xn,yn)}
1.如果n==2,则返回(x1,y1)和(x2,y2)之间的距离,算法结束;
2.如果n==3,则返回(x1,y1)、(x2,y2)和(x3,y3)之间的最小距离,算法结束;(此步必要在于,若n==3划分之后必然有一半为n==1,导致无法正确执行递归)
3.划分:m==S中各点x坐标的中位数;
4.d1 = 计算{(x1,y1),...,(xm,ym)}的最近对距离;
5.d2 = 计算{(xm,ym),...,(xn,yn)}的最近对距离;
6.d = min(d1,d2);
7.依次考察集合S中的点p(x,y),如果(x<=xm 并且x>=xm-d),则将点p放入集合P1中;如果(x>xm 并且x<=xm+d),则将点p放入集合P2中;
8.将集合P1和P2按y坐标升序排列;
9.对集合P1和P2中的每个点p(x,y),在y坐标区间[y,y+d]内最对取出6个候选点,计算与点p的最近距离d3;
10.返回min{d,d3};
二、输出:最近点的距离
蛮力法
(手动输入的时候也会占用时间,所以用文件输入)https://blog.csdn.net/qq_40452317/article/details/88040973:
现在使用分治法:
sort排序的函数使用方法:https://www.cnblogs.com/TX980502/p/8528840.html
#include<iostream>
#include<math.h> //计算距离
#include<time.h> //计算运行时间
#include<fstream> //文件操作
#include<algorithm> //排序
using namespace std;
#define MAX 0x3f3f3f3f //定义无穷大
#define M 99999
struct point {
double x, y;
}p[M];
int a[M];// 保存排序的索引
int cmpx(const point& a, const point& b) //排序升序
{
return a.x < b.x;
}
int cmpy(int &a, int &b) //排序升序
{
return p[a].y < p[b].y;
}
inline double min(double a, double b) //返回两个值中较小的
{
return a < b ? a : b;
}
inline double dist(const point& a, const point& b)
{
return sqrt((a.x-b.x)*(a.x-b.x) + (a.y-b.y)*(a.y-b.y));
}
double closeset(int low, int high)
{
if (low == high)
return MAX;
if (low + 1 == high) //即n=2,返回两点之间的距离
return dist(p[low], p[high]);
int mid = (low + high)>>1; //右移一位,相当于除以2,但右移的运算速度更快,若使用(low+high)/2求中间位置容易溢出
double ans = min(closeset(low, mid), closeset(mid+1, high)); //递归求出两边最小距离
int i, j, c = 0;
for (i = low; i <= high; i++) //统计那些点位于两虚线内,并记录
{
if (p[mid].x - ans <= p[i].x && p[i].x <= p[mid].x + ans)
a[c++] = i;
}
sort(a, a + c, cmpy);
for(i = 0; i < c; i++)//比较s1中虚线内的点和s2中虚线内的点的距离是否存在有小于两侧最小对的
{
int k = i+7 > c ? c : i+7;
for (j = i+1; j < k; j++)
{
if (p[a[j]].y - p[a[i]].y > ans) //如果位于中位线两侧的点的距离大于anx则跳出第一个循环
break;
ans = min(dist(p[a[i]], p[a[j]]), ans); //如果有两个点小于两侧的最近对,则选出最小的点
}
}
return ans;
}
int main()
{
clock_t start;
double totaltime;
start=clock();
int n; //一共多少个点
double dmin;
ifstream read_in;
read_in.open("close.txt");
read_in >> n;
cout<<"读入点数为:"<<n<<endl;
cout<<"点的坐标为:"<<endl;
for(int i=0;i<n;i++) //循环读入文件
{
cout<<"p"<<i+1<<":";
read_in>>p[i].x>>p[i].y;
cout<<p[i].x<<" "<<p[i].y<<endl;
}
sort(p,p+n,cmpx); //按照x轴排序
dmin=closeset(0, n-1);
cout<<"最近的距离是:"<<dmin<<endl;
clock_t end=clock();
totaltime=(double)(end-start)/CLOCKS_PER_SEC;
cout<<"程序运行时间是:"<<totaltime<<endl;
return 0;
}
可以看出,分治法的时间是0.008,蛮力法的时间是0.012。如果点数达到一定多,效率更加明显。