【学习笔记：计算几何基础2】 Convex Hull

Ahead

10.6.2018
开始第二个算法了
篇章1
前面就不多写了第一篇里面的有些代码后面还用到不重写了

Beginning

算法2 (EE)

概念

极边（Extremity Edge）： 也就是两边为相邻极点的边（相邻很重要！！！ ） (EE)
非极边 (Non-Extremity Edge)：剩下的

分析

和之前的一样
对于每一条极边，也有这样的特性，所有的点都落在同侧同样也是充要的。
这个证明和之前的差不多，想一下也没什么问题的（严谨的我也不会）
所以问题就变成了找极边

伪代码

   枚举边
   枚举点
   如果所有点落在边的一侧 
   它是EE 

可以看出的是时间复杂度降为O（n^3）

代码

void checkEdge(Point s[],int n,int p,int q) 
{
    bool LEmpty = true , REmpty = true; 
    for(int i=1;i<=n && (LEmpty || REmpty);++i) 
    { 
        if(i!=p && i!=q) 
            ToLeft(S[p],S[q],S[k])? LEmpty=false : REmpty = false； 
    } 
    if(LEmpty || REmpty) 
      S[p].extreme = S[q].extreme = true; 
}

void markEE (Point S[],int n) 
{ 
    for(int i=1;i<=n;++i) S[i].extreme = false; 
    for(int i=1;i<=n;++i) 
       for(int j=1;j<=n;++j)
         if(i!=j) 
          checkEdge(S,n,i,j); 
}

算法3 (IC)

前面两个算法还是很慢的
于是又开始又花了
参考插入排序，出现了这样一个算法
如果对于一个已经完成的凸包，会有这样几种情况

所以对于新出现的点，如果它在里面，直接忽略，如果在外面，那么这个点一定是当前的合法EP，同时对原来的进行凸包进行适当调整

判定

但是，我们首要的任务是判定是否在凸包内= =
于是我们引入一个测试 In-Convex-Polygon Text
对于找点，似乎我们可以二分查找！！！！（这里就直接引视频中的图了）

对于凸包上的点排序，每次找到mid点，连接原点与mid，然后ToLeft一次判定点在那边，然后缩小范围，最后形成最后一个三角形是，就可以判断在内还是在外了
那么时间复杂度似乎到了nlogn？？
但是令人失望的是，似乎并不行，类比插排，插排的二分查找缺陷在于动态变换的区间加点不容易 ，如果用vector的话上界也会到n，而凸包面临的也是如此
所以我们就直接暴力吧，和插排一样。那么如何暴力？
对于前面两种算法，可以再找左边？ ？　
所以，我们就直接CCW方向遍历边，然后做ToLeft 这个点在所有边的左侧，那么，显然在内部，否则在外部。 那么测试时间为n
总时间复杂度降为O（n^2）;

添加

那么判定完后，要干的事就是添加了，一个很直观的想法，类似于黑夜中开灯

虚线部分就是要删除的实线形成了新的凸包。
可以发现的是，这似乎是两个临界的s和t向x连边拓展，去掉ts，保留st
所以现在的任务就是寻找s和t
这里的s和t称之为切线（Tangent）或者支持线（Suppor-Lines）

寻找

那么继续观察，除去s，t 剩下的点v与x的连线，对于v的前驱和后记，必然属于两个模式（pattern）即一个在左一个在右
那么出现以下情况

• 如果状态是LL 那么是s
• 如果状态是RR 那么是t
• 如果状态是RL 那么它位于st上，是保留点

• 如果状态是LR 那么它位于ts上，是删除点
  而对于LR的判定只需要两次ToLeft
  更近一步我们可以发现In-Convex-Polygon Text 似乎也可以那么处理
  
  如果在内部，则不存在t与s

  伪代码

  遍历凸包上的点v
  记录ToLeft（x，v，pre[v]） 与ToLeft（x,v,nxt[v]）
  如果状态是LL 那么是s
  如果状态是RR 那么是t 
  如果状态是RL 那么它位于st上
  如果状态是LR 那么它位于ts上 
  如果出现过s与t扩展删除
  否则 返回 

  代码

void InConvexPolygon Text(Point S[],Point x) 
{ 
    bool flag=0; 
    for(int i=1;i<=n;++i)  
      if(S[i].extreme) 
    {
        bool P[i] = ToLeft（x，i，S.pre[i]）; 
        bool N[i] = ToLeft（x , i ,   S.nxt[i]）; 
        if(P[i]==N[i]) flag=1; 
    }  
   if(!flag) return ; 
   else 
    { 
        S[x].extreme=1; 
       for(int i=1;i<=n;++i)  
          if(S[i].extreme) 
        {
            if(P[i]==0 && N[i]==0) S[i].nxt=x,S[x].pre=i;  
            else if(P[i]==1 && N[i]==0) S[i].extreme = 0; 
            else if(P[i]==1 && N[i]==1) S[i].pre=x,S[x].nxt=i;  
        }  
    }
}

于是就形成了O（n^2）的算法

算法4（GW）

这个算法时间复杂度为O（n^2） 但是在绝大多数情况下达不到，最优化到达O（n）；
对比选择排序和EE算法
我们可否减少每次查找边的范围 ？
答案是显然的
首先，构成的凸包肯定是环状的结构。那么，对于我们当前的还未完成的凸包，一定是从两个端点出发寻找下一条极边 直到形成环路

拓展

那么对于下一个点s有什么特点？ 再次对比前面---ToLeft
所以，ks 一定满足所有点位于L
那么算法就很明显的 对于当前的端点，枚举所有点做ToLeft更新
然后将k更新为s
那么第一个点怎么找，方便起见，引入一个概念
lowest-then-leftmost 点（LTL点） 即最下最左点
以y坐标为第一关键字最小，x坐标为第二关键字最小
对于第二个极点选排名第二的LTL

伪代码

   找到LTL  
    i=LTL； 
    找出第一条的EE
    循环 
        遍历点 
         如果新点在选定点的右边，更新
        i更新为k k更新为新点 
    直到形成环 

时间复杂度上，显然遍历次数是环的大小，所以是O（nh），h为环的大小
那么当h只有3时，结果就到了O（n） O（答案？？ ）【据说这叫Output Sensitive】
那么这章也就先到这里了 Gw的代码网上很多不想写了，有时间补上去吧

转载于:https://www.cnblogs.com/PiCaHor/p/9746557.html