关于曼哈坦距离的一个很酷的事情是距离本身包含两个独立的部分:x和y坐标上的距离.因此,您可以解决两个更简单的任务并合并它们的结果以获得所需的结果.
我所说的任务是:给出一条线上的点.找到最小化到所有点的绝对距离之和的线上的点.如果有很多人找到所有这些(顺便说一句,他们总是变成一个容易证明的单一部分).该段由该组的(可能两个)点中位数确定.中位数是指在左侧和右侧具有相同点数的点.如果点的数量是奇数,则没有这样的点,并且您在两个方向上选择差异为1的点以形成该段.
在这里,我添加了这个简单任务的解决方案示例:
如果线上的点是这样的:
-4 | | | 0 | 2 3 4
^
解决方案只是一个点,它是2.
如果线上的点是这样的:
-4 | | | 0 | 2 3
^---^
整个段[0,2]是问题的解决方案.
您可以分别为x和y坐标求解此任务,然后合并结果以获得最小距离点的矩形.
例
现在是一个初始任务解决方案的例子.
想象一下,你想要找到与集合(0,6),(1,3),(3,5),(3,3),(4,7),(2,4)的Manhatan距离最小的点)
你形成了两个更简单的任务:
对于x:
0 1 2 3 3 4
^-^
这里的解决方案是段[2,3](请注意,这里我们有重复的第3点,我可能不是最直观的方式).
对于y:
3 3 4 5 6 7
^-^
这里的解决方案是段[4,5].
最后我们得到初始任务的解是带公式的矩形:
2 <= x <= 3; 4 <= y <= 5
复杂
由于很多人对这篇文章表现出兴趣,我决定进一步提高它.
我们来谈谈复杂性.
任务的复杂性实际上与解决简单任务的复杂性相同(因为已经讨论过,解决方案实际上包括解决两个更简单的任务).许多人会通过排序然后选择中位数来解决它.但是,这将导致O(nlog n)复杂度,其中n是输入集中的点数.
如果使用用于找到第k个元素的更好算法(在C STL中实现Example),则可以改进这一点.该算法基本上遵循与qsort相同的方法.运行时间为O(n).即使在两个中间点的情况下,这仍然是线性的(需要两次运行相同的算法),因此算法的总复杂度变为O(n).很明显,只要输入本身具有上述复杂性,任务就无法更快地解决.