大数据算法课程笔记2：2D Convex Hull

1. 题目简介

Input: $n$ points in the plane $p_1,p_2,\cdots,p_n$, where $p_i = (x_i,y_i)$

Output: 包含所有点的最小凸多边形的所有边

2. 基本思想 ：Divide and Conquer

先把点集一分为二，分别求取相应凸多边形，然后对两个凸多边形合并。

3. 具体算法

1. sort $P = \{p_i\}$ for $i = 1\cdots n$, such that $x_1 < x_2 < \cdots x_n$
2. divide $P$ into $P_L$ and $P_R$ equally by picking the median of $X$, $x_{median}$. Then $P_L = \{p_i\}$ iff. $x_i < x_{median}$, and $P_R = P - P_L$
3. After division, do it recursively.
4. Merge: that’s the difficult part and we will expand it in detail.

4. 融合两个凸多边形

这部分是对具体算法第四部分的展开。
输入是两个点集以及包含相应点集的最小凸多边形，且有两个点集的$X$域不交叉，求一个$O(N)$的融合算法。

讨论包含所有点的最小凸多边形的性质。笔者能够想到的最简单的方法就是枚举任意三个点，然后对所有三个点所构成的三角形取并集。
但这个算法明显是$O(N$！$)$的。如果能够找到一个比较好的切入点，就会大幅降低了算法复杂度。

如下图所示，黑色菱形为已经计算好的两个凸多边形。对两者进行融合，其实是去寻找合理的两条红边，只需要讨论红边应该具有什么性质即可。

这个性质很直接了，凸多边形应该包含点集里面的所有点，并且因为是凸多边形，即所有角度数小于180°。
综上所述，对于上面的红边，应该有点集里面的所有点都比红边低，否则比红边高的点将不会被包含在以红边为边的所有凸多边形内。
形式化上诉结论有：

$$\min x_{median}*a+b \\ \text{s.t. } x_i *a + b \ge y_i, \text{ for all }i$$
这是一个只有两个变量的线性规划问题，后面会解释，求解此问题复杂性为$O(N)$。

得到红边之后，逐一比较$x_i*a+b$和$y_i$，若两者相等，则该点为凸多边形的顶点。

5. 整体算法的时间复杂度

如上所诉，有$T(N) = T(N/2)+O(N)$，容易求解$T(N) = O(NlogN)$。

6. 算法复杂性与数据性质的关系

1. 若N极大，则复杂性为$O(1)$。

   证明：因为推广N到$\inf$，则覆盖全域，凸多边形为包含全域的凸多边形。

2. 若已知最终的凸多边形的边数一定，为$h$。则复杂性最终为$O(N\log h)$。

   证明：将求解凸多边形问题转换为求解凸多边形所有边的问题，进而可以将其转换为求解凸多边形上边和下边的问题。

   易证凸多边形的顶点中必然存在$(x_1,y_1)$和$(x_N,y_N)$，其中$x_1 = min(x), x_N = max(x)$。 然后对凸多边形的边根据$p_{min}$和$p_{max}$进行划分，分为上边集和下边集，上边集和下边集交集为NULL，并集为所有边，上边位于所有下边上方。如下图所示，红边为上边，黑边为下边。

​ 上边和下边的数目最多为$h$，现计算求解上边集的算法复杂性。

​ $T(N,h) = T(N/2,h_1)+T(N/2,h_2)+O(N)$，其中$h = h_1+h_2+1$。

​ 假设$T(N,h) = O(Nlog h)$，使用归纳法即可验证。

$$T(N,h) = C\frac{N}{2}\log(h_1)+C\frac{N}{2}\log(h_2)+O(N) ~~~~~ \\ = C\frac{N}{2}\log(h_1h_2)+O(N) ~~~~~~~~~~~~\\ \le C\frac{N}{2}\log(\frac{h^2}{4})+O(N)~~~ ~~~~~~~~~~~~\\ \le CN(\log h-1)+O(N) ~~~~~~~~~~~~\\ \le CN\log h \text{ iff. C is big enough }~~$$