目录
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