1、求二维极大点问题
在平面中找出极大点的分治算法
输入:n个平面点的集合S。
输出:S的极大点。
步骤1. 如果S只含一个点,那么输出该点为极大点;否则,找一条垂直于x轴的直线L,它划分点集合为两个子集合SL和SR,每个子集含有n/2个点。
步骤2. 递归地找出SL和SR的极大点。
步骤3. 将SL和SR的极大点投影到Y轴上,如果SL中的极大点的y值小于SR中某个极大点的y值,那么舍弃它。
import java.util.ArrayList;
public class MaximumPoint {
public static Point maximum(ArrayList<Point> S) {
if (S.size() == 1) {
return S.get(0);
}
ArrayList<Point> SL = new ArrayList<>();
ArrayList<Point> SR = new ArrayList<>();
int midIndex = S.size() / 2;
double midX = S.get(midIndex).getX();
for (int i = 0; i < S.size(); i++) {
Point p = S.get(i);
if (p.getX() < midX) {
SL.add(p);
} else {
SR.add(p);
}
}
/* // for (Point p : S) {
if (p.getX() < midX) {
SL.add(p);
} else {
SR.add(p);
}
}*/
Point maxL = maximum(SL);
Point maxR = maximum(SR);
if (maxL.getY() >= maxR.getY()) {
return maxL;
} else {
return maxR;
}
}
public static void main(String[] args) {
ArrayList<Point> S = new ArrayList<>();
Point p1 = new Point(1, 5);
Point p2 = new Point(3, 8);
Point p3 = new Point(6, 3);
Point p4 = new Point(8, 4);
Point p5 = new Point(10, 9);
S.add(p1);
S.add(p2);
S.add(p3);
S.add(p4);
S.add(p5);
Point maxPoint = maximum(S);
System.out.println("最大值点坐标为:" + maxPoint.getX() + ", " + maxPoint.getY());
}
}
class Point {
private double x;
private double y;
public Point(double x, double y) {
this.x = x;
this.y = y;
}
public double getX() {
return x;
}
public double getY() {
return y;
}
}
在该代码中,我们定义了一个MaximumPoint
类,其中包含一个静态方法maximum
,用于在递归过程中找出集合S
的极大点。此外,还定义了一个Point
类,用于表示平面中的一个点。
在maximum
方法中,如果该集合只含有一个点,则返回该点;否则,我们找一条垂直于x轴的直线L,将点集S
分为两个子集SL
和SR
,并递归调用maximum
方法以找出SL
和SR
的极大点。最后,将SL
和SR
的极大点投影到Y轴上,比较它们的y值,并返回具有更大y值的极大点。在主函数中,我们可以创建一个点集,并调用maximum
方法,以查找该点集的极大点。
时间复杂度O(nlogn)
2、特斯拉森矩阵
public class StrassenAlgorithm {
public static int[][] strassen(int[][] matrix1, int[][] matrix2) {
int n = matrix1.length;
// base case
if (n == 1) {
int[][] result = new int[1][1];
result[0][0] = matrix1[0][0] * matrix2[0][0];
return result;
}
// divide matrix into submatrices
int[][] a11 = new int[n/2][n/2];
int[][] a12 = new int[n/2][n/2];
int[][] a21 = new int[n/2][n/2];
int[][] a22 = new int[n/2][n/2];
int[][] b11 = new int[n/2][n/2];
int[][] b12 = new int[n/2][n/2];
int[][] b21 = new int[n/2][n/2];
int[][] b22 = new int[n/2][n/2];
for (int i = 0; i < n/2; i++) {
for (int j = 0; j < n/2; j++) {
a11[i][j] = matrix1[i][j];
a12[i][j] = matrix1[i][j + n/2];
a21[i][j] = matrix1[i + n/2][j];
a22[i][j] = matrix1[i + n/2][j + n/2];
b11[i][j] = matrix2[i][j];
b12[i][j] = matrix2[i][j + n/2];
b21[i][j] = matrix2[i + n/2][j];
b22[i][j] = matrix2[i + n/2][j + n/2];
}
}
// recursive calls to compute the seven products
int[][] p1 = strassen(a11, subtract_matrices(b12, b22));
int[][] p2 = strassen(add_matrices(a11, a12), b22);
int[][] p3 = strassen(add_matrices(a21, a22), b11);
int[][] p4 = strassen(a22, subtract_matrices(b21, b11));
int[][] p5 = strassen(add_matrices(a11, a22), add_matrices(b11, b22));
int[][] p6 = strassen(subtract_matrices(a12, a22), add_matrices(b21, b22));
int[][] p7 = strassen(subtract_matrices(a11, a21), add_matrices(b11, b12));
// compute the submatrices of C using the seven products
int[][] c11 = add_matrices(subtract_matrices(add_matrices(p5, p4), p2), p6);
int[][] c12 = add_matrices(p1, p2);
int[][] c21 = add_matrices(p3, p4);
int[][] c22 = subtract_matrices(subtract_matrices(add_matrices(p5, p1), p3), p7);
// combine the submatrices into matrix C
int[][] result = new int[n][n];
for (int i = 0; i < n/2; i++) {
for (int j = 0; j < n/2; j++) {
result[i][j] = c11[i][j];
result[i][j + n/2] = c12[i][j];
result[i + n/2][j] = c21[i][j];
result[i + n/2][j + n/2] = c22[i][j];
}
}
return result;
}
public static int[][] add_matrices(int[][] matrix1, int[][] matrix2) {
int n = matrix1.length;
int[][] result = new int[n][n];
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
result[i][j] = matrix1[i][j] + matrix2[i][j];
}
}
return result;
}
public static int[][] subtract_matrices(int[][] matrix1, int[][] matrix2) {
int n = matrix1.length;
int[][] result = new int[n][n];
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
result[i][j] = matrix1[i][j] - matrix2[i][j];
}
}
return result;
}
public static void main(String[] args) {
int[][] matrix1 = {{1, 2}, {3, 4}};
int[][] matrix2 = {{5, 6}, {7, 8}};
int[][] result = strassen(matrix1, matrix2);
System.out.println("Result:");
for (int[] row : result) {
System.out.println(Arrays.toString(row));
}
}
}
在该实现中,我们定义了三个静态方法:
strassen
方法用来计算两个矩阵的乘积。add_matrices
方法和subtract_matrices
方法分别用来实现矩阵之间的加法和减法。
在主函数中,我们创建两个矩阵,并通过调用strassen
方法计算它们的乘积。最后,将结果打印输出。
需要注意的是,在实际使用过程中,Strassen算法对于大多数矩阵大小而言,通常并不能比朴素的矩阵乘法提供更快的运行时间,因此该算法主要适用于特定情况下的优化。
时间复杂性O()