算法 Hw5

1 Nuts and Bolts

边界条件：当只有一个螺丝和一个螺母时，匹配螺丝和螺母。

Divide：
将螺丝集合记为 A = {   a 1 , a 2 , a 3 . . .   } A=\set{a_1,a_2,a_3...} A={a1​,a2​,a3​...}
将螺母集合记为 B = {   b 1 , b 2 , b 3 . . .   } B=\set{b_1,b_2,b_3...} B={b1​,b2​,b3​...}

• 先在螺丝集合 $A$ 中，随机选中一个螺丝 $a_1$，将 $a_1$ 与所有螺母 $B$ 进行匹配，并将螺母分为 $3$ 类：螺丝 $>$ 螺母的放入集合 $B_1$；螺母 $>$ 螺丝的放入集合 $B_2$；和 $a_1$ 匹配的螺母 $b_1$。
• 再将 $b_1$ 与 除去螺丝 $a_1$外的所有螺丝 A − {   a 1   } A-\set{a_1} A−{a1​} 相匹配，可将螺丝分为 $2$ 类：螺母 $>$ 螺丝的集合 $A_1$；螺丝 $>$ 螺母的集合 $A_2$

至此，即将螺丝螺母分为以下几部分：

	小	相匹配	大
螺丝$A$	$A_1$	{   a 1   } \set{a_1} {a1​}	$A_2$
螺母 $B$	$B_1$	{   b 1   } \set{b_1} {b1​}	$B_2$

Conquer：递归地对 $A_1$ 和 $B_1$、$A_2$ 和 $B_2$ 进行匹配。

Merge：返回$A_1$ 和 $B_1$、$A_2$ 和 $B_2$的匹配结果以及匹配对 $(a_1,b_1)$。

复杂度：

• Divide 代价：$O(n)$
  • 将 $a_1$ 与所有螺母 $B$ 进行匹配 代价为：$O(n)$
  • 将 $b_1$ 与 除去螺丝 $a_1$外的所有螺丝 A − {   a 1   } A-\set{a_1} A−{a1​} 相匹配 代价为：$O(n)$
• Conquer 代价：$T(|A_1|)+T(n-1-|A_1|)$，其中 $|A_1|$ 为 $0,1,\dots ,n-1$ 的概率均为 $\frac{1}{n}$
• Merge 代价：不计算

所以，总体代价为 $O(nlogn)$。

---

2 Complex Number Multiplication

已知：
$(a+bi)(c+di)=(ac-bd)+(ad+bc)i$

三次实数乘法为：
$M_1=(a+b)\cdot c=ac+bc$
$M_2=b\cdot (c+d)=bc+bd$
$M_3=(a-b)\cdot d=ad-bd$

有：
实部：$M_1-M_2$
虚部：$M_2+M_3$

---

Closest-Pair Problem

1

蛮力解决：遍历 $n$ 个点与剩余 $n-1$ 个点，计算点对距离，并更新最短距离，遍历完所有点对后即可求得最短点对距离。

复杂度：$O(n^2)$

---

2

边界条件：点集合 $P$ 中仅含有 $3$ 个点，返回最近点对。

Divide：

• 先找到 $P$ 中 $x$坐标的中位数 $x_m$
• 用直线 $l:x=x_m$ 将集合 $P$ 分为左右两部分：$P_1$ 和 $P_2$

Conquer：

• 递归地找到 $P_1$ 和 $P_2$ 中的最近点对：两个点对之间的距离为 $d_1$ 和 $d_2$
• 记 d = min ⁡ {   d 1 , d 2   } d=\min\set{d_1,d_2} d=min{d1​,d2​}

Merge：

在点横坐标 $x_i$ 满足 $x_m-d<x_i<x_m+d$ 的临界区内（将满足要求的点集合记作 $Q$ ）

• 将点按照纵坐标 $y_i$ 排序
• 对于 $Q$ 中每一个点 $q_i$，寻找 $Q$ 中：点纵坐标 $y_j$ 满足 $y_i-d<y_j\le y_i$ 的点，集合记作 $R_i$
• 计算 $q_i$ 与 $R_i$ 中所有点的距离，并更新最短距离，直至 $Q$ 中每一个点均被遍历

复杂度：

• Divide 代价：$O(n)$
• Conquer 代价：$2T(\frac{n}{2})$
• Merge 代价：$O(n)$

所以根据主定理求解有：总代价 $T(n)=O(nlogn)$

---

3

Kd-Tree算法

构建Kd-Tree：

• 在选择维度进行划分时，选择具有最大方差的维度，因为这意味着数据的分布较为分散，更容易划分。再选择该维度上所有数据的中值，将元素与中值进行比较，即可划分为两个子集合。同时创建一个树结点，用于存储划分维度和划分值。
• 对两个子集不断重复上述步骤直至不能再划分，将子集合中的数据保存到叶子结点。

查找最近邻：

• 找到每个叶子结点上保存的数据中距离最小值，并不断更新遍历。
• 再根据不同分支之间的距离与其比较，判断是否有不同分支的两点距离更近。
• 从下往上逐层进行回溯。

---