《算法分析与设计》作业5----最近点对问题（分治策略）

目录

 

1.问题

2.解析

3.设计

4.分析

5.源码

---

1.问题

P为笛卡尔平面上n>1个点构成的集合，求最近的两个点的距离（n=2^k）

 

2.解析

思路一（蛮力算法）

求两点最短距离最直观的方法就是蛮力算法

两层循环遍历两点的所有可能组合，记录最短的距离

但复杂度过高（O(n^2)），效率较低

 

思路二（分治策略）

把点集P按x轴坐标升序排序（课本上说把P复制到Q，Q按y轴升序，算法可以更方便，我需要研究一下）

2<=n<=3时，采用蛮力算法

 n>3时，在点集x轴方向上的中位数m处画一条垂线，将点集分成大小分别为⌈n/2⌉和⌊n/2⌋的两个子集Pl和Pr。然后通过递归求解子问题Pl和Pr来得到最近点对问题的解。其中dl和dr分别表示在Pl和Pr中的最近对距离，并定义d=min(dl,dr)。如下图所示：

   

        但实际最近点对可能在垂线两侧，所以还需要检查是否存在这样的点。为此，可以以垂线为中心线，在宽度为2d的范围中检查。如下图所示：

   

 

3.设计

efficientClosestPair(P){

    if n<=3

        返回蛮力算法求得的最小距离

    else

        将P的前⌈n/2⌉个点复制到Pl

        将P中余下的⌊n/2⌋个点复制到Pr

        dl=efficientClosestPair(Pl)

        dr=efficientClosestPair(Pr)

        m=P[⌈n/2⌉-1].x

        将P中所有|x-m|<d的点复制到数组s[0...num-1]

        dminsq=d2

        for i=0 to num-2

            k=i+1
    
        while k<=num-1 and (s[k].y-s[i].y)2 < dminsq
    
            dminsq=min((s[k].x-s[i].x)2+(s[k].y-s[i].y)2,dminsq)
    
            k++

    return sqrt(dminsq)

}

 

4.分析

        无论将问题划分成两个规模减半的子问题，还是合并子问题的解，该算法都只需要线性时间，因此，得到算法运行时间的递归式为：

        时间复杂度为O(nlogn)

 

        下面给出由递归式推出时间复杂度的过程：

                那个紧的界化不来，暂时不推了叭

 

5.源码

GitHub地址