python求平面n个两两间距离_《python算法教程》Day10 - 平面最近点对问题

今天是《python算法教程》的第10篇读书笔记。笔记的主要内容是使用python实现求最小点对的时间复杂度为O(nlogn)的算法。

平面最小点对问题介绍

在几何学中，有一个基本问题：在一个平面的n个点中，求距离最近的两个点。

最直接的思路是遍历所有的点对，通过比较所有点对的距离找出距离最近的两点，即暴力算法。但是，这个思路的时间复杂度为O(n^2)。显然，这种算法的时间复杂度是不能接受的。

因此，是否可以考虑通过分治法的思路，将上述问题的解法的时间复杂度控制在O(nlog2n)?答案是可以的。具体的算法讲解可参考下述博文：

但运用分治法求解上述问题时，需要注意一点，距离最小的两个点可能不在于同一个分组的点集中，而是分别来自于不同的点集中。

代码演示

暴力算法

#计算两点的距离

import math

def calDis(seq):

dis=math.sqrt((seq[0][0]-seq[1][0])**2+(seq[0][1]-seq[1][1])**2)

return dis

#暴力算法主体函数

def calDirect(seq):

minDis=float('inf')

pair=[]

for i in range(len(seq)):

for j in range(i+1,len(seq)):

dis=calDis([seq[i],seq[j]])

if dis

minDis=dis

pair=[seq[i],seq[j]]

return [pair,minDis]

分治法求解

#求出平面中距离最近的点对(若存在多对，仅需求出一对)

import random

import math

#计算两点的距离

def calDis(seq):

dis=math.sqrt((seq[0][0]-seq[1][0])**2+(seq[0][1]-seq[1][1])**2)

return dis

#生成器：生成横跨跨两个点集的候选点

def candidateDot(u,right,dis,med_x):

cnt=0

#遍历right(已按横坐标升序排序)。若横坐标小于med_x-dis则进入下一次循环；若横坐标大于med_x+dis则跳出循环；若点的纵坐标好是否落在在[u[1]-dis,u[1]+dis]，则返回这个点

for v in right:

if v[0]

continue

if v[0]>med_x+dis:

break

if v[1]>=u[1]-dis and v[1]<=u[1]+dis:

yield v

#求出横跨两个部分的点的最小距离

def combine(left,right,resMin,med_x):

dis=resMin[1]

minDis=resMin[1]

pair=resMin[0]

for u in left:

if u[0]

continue

for v in candidateDot(u,right,dis,med_x):

dis=calDis([u,v])

if dis

minDis=dis

pair=[u,v]

return [pair,minDis]

#分治求解

def divide(seq):

#求序列元素数量

n=len(seq)

#按点的纵坐标升序排序

seq=sorted(seq)

#递归开始进行

if n<=1:

return None,float('inf')

elif n==2:

return [seq,calDis(seq)]

else:

half=int(len(seq)/2)

med_x=(seq[half][0]+seq[-half-1][0])/2

left=seq[:half]

resLeft=divide(left)

right=seq[half:]

resRight=divide(right)

#获取两集合中距离最短的点对

if resLeft[1]

resMin=combine(left,right,resLeft,med_x)

else:

resMin=combine(left,right,resRight,med_x)

pair=resMin[0]

minDis=resMin[1]

return [pair,minDis]

seq=[(random.randint(0,1000000),random.randint(0,1000000)) for x in range(500000)]

print("优化算法",divide(seq))