判定两个点是否在一条直线的同一侧_最近点对与凸包问题（BF）

这一节内容，我们来看两个经典的几何学问题。首先是最近点对问题（closest-pair problem）。问题的描述是在一个二维平面上有一些随机分布的散点，要求我们在这些散点里找到两个点，使得它们的距离最小。

用暴力求解的方式解决这个问题很简单，只需要把所有的情况都列举出来，即计算出每一个点与其他所有节点的距离，然后取最小的值。如果平面上有 n 个点，那么要考虑的点对数就为

。比如下面的图中一共有 16 个点，我们就要考虑 120 种情况。

要实现这个过程也很容易，几行代码就可以搞定。

import numpy as np

def closest_pair_bf(X, Y):
    d = np.inf  # 初始化 d 为无穷
    for i in range(len(X)-1):
        for j in range(i+1, len(X)):
            d = min((X[i] - X[j])**2 + (Y[i] - Y[j])**2)  # 计算两点之间距离
    return d  ** 1/2

其中参数X和Y分别表示所有散点的横纵坐标的集合。在主程序中，我们用numpy.random.normal方法生成随机数，并且用np.column_stack方法将它们打包。

np.random.seed(13)  # 为了代码的可复现性
X = np.random.normal(2, 0.5, size=[16, 1])
Y = np.random.normal(2, 0.5, size=[16, 1])
XY_pair = np.column_stack((X, Y))

最后将得到的最近点对在图中标注出来。

由于有两重循环，所以我们得到算法的时间复杂度为

。

凸包问题

凸包问题（convex-hull problem）是这里我们要讨论的第二个问题。首先要弄明白什么是凸包，在生活中，你一定见过在一个扎满钉子的木头上套上一圈橡皮筋的场景，像下面这张图那样。哈哈，实际上橡皮筋围成的多边形就是一个凸包了。

图片来源：Introduction to The Design and Analysis of Algorithms, 3rd Edition

从严格意义上来讲，凸包指的是由多个点构成的凸多边形（所有内角都小于180度），并且凸包还有一点性质是平面上所有的点都位于该多边形的内部。就像上面那张图中橡皮筋把所有钉子都围住一样。所以，我们要怎么来解决这个问题呢？答案当然还是采用最“暴力”的手段，穷举所有的情况，找到我们所需要的多边形。

从构成凸包的边中我们可以观察到，除了构成边本身的两个点以外，其他所有的点都位于边的同一侧。于是我们可以根据这个性质写出代码：

def convex_hull_bf(XY_pair):
    pairs = []  # 用于存储满足条件的点
    for i in range(len(XY_pair) - 1):
        for j in range(i+1, len(XY_pair)):
            a = XY_pair[j][1] - XY_pair[i][1]
            b = XY_pair[i][0] - XY_pair[j][0]
            c = XY_pair[i][0] * XY_pair[j][1] - XY_pair[i][1] * XY_pair[j][0]
            k = 0; pos = 0; neg = 0  # pos 和 neg 用于统计直线左右两侧点的个数          
            while k < len(XY_pair):
                if k != i and k != j:
                    # 统计点位于两侧个数
                    if a * XY_pair[k][0] + b * XY_pair[k][1] - c > 0:
                        pos += 1
                    else:
                        neg += 1
                    # 如果点不在同一侧就退出循环
                    if pos != 0 and neg != 0:
                        break
                k += 1
            else:
                pairs.append((XY_pair[i], XY_pair[j]))
    return pairs

对于判断一个点是在一条直线的左侧还是右侧，我们会用到了下面的公式：

其中

,

,

，构成边的两个点的坐标分别为

,

，而

和

分别待判定的点。

如果值大于 0，说明该点在直线的左侧；如果小于 0，说明该点在直线的右侧。

最后我们将满足条件的点通过收尾相连的方式显示出来，这样我们就能画出多边形了。

作图的代码如下：

def plotting(xy_pair, polygon):
    plt.scatter(xy_pair[:, 0], xy_pair[:, 1], s=15)
    for i in range(len(polygon)):
        np_point_stack = np.stack(polygon[i], axis=1)  # 将每一个点对打包成 (xi, yi) 的形式
        plt.plot(np_point_stack[0], np_point_stack[1], c='r')
    plt.show()

最后来分析一下复杂度。我们知道，如果平面上有

个点，那么一共就有

个点对，也就是直线的条数。对于每一条直线，又要从剩下

个点中判断是否在直线的同一侧。这样一来，只要我们列出求和公式，再经过推导就能够得到复杂度为

，具体推导过程如下：

总结

我们可以看到，用暴力求解的方式解决这两个几何问题非常简单，但效率却是低，都是平方级和立方级的复杂度，所以这两种算法也只能解决小规模的问题。面对

这种大规模的问题时，我们就要求助其他算法了。

→ 本节全部代码 ←

← 图的两种遍历 | 算法与复杂度​zhuanlan.zhihu.com

→ 暴力搜索 | 算法与复杂度​zhuanlan.zhihu.com