图形算法库研发（八）：高效精准的多项式值域估计算法

几何内核中的算法，大部分是可以转化为非线性方程组求解问题的。目前，最适合几何内核的非线性方程组求解算法是区间迭代类算法。

多项式是几何内核中比较常见的表达式（Bezier、Nurbs等），多项式值域精准高效的估计，严重影响区间类迭代算法的收敛速度。

本文将采用伯恩斯坦多项式来估算多项式值域。因为伯恩斯坦多项式具有凸包性，并且所有多项式都能转化成伯恩斯坦多项式形式。

伯恩斯坦多项式的定义如下：

相关伯恩斯坦多项式的详细知识，讲解的文章比较多，这里就不占用篇幅了。

在本算法中，我们做的工作是求出该式中的pi，并根据pi计算闭包作为多项式的值域估计。

我们可以通过对u采样并解一个线性方程组的方式来计算pi。

需要注意的是，u属于[0, 1]，所以首先需要将多项式的变量x变换到[0, 1]。

当然，如果每次计算都解这样一个线性方程组，效率还是比较低的。

我们采用固定好采样节点的方式来避免这个问题。

固定好采样节点，等式右边方程的系数矩阵也就固定了，我们可以提前计算出该逆矩阵并定义成常量。

计算pi的时候只需要和左侧基于该采样节点计算出的向量相乘即可。

下面以如下一个多项式为例子演示一下该算法的效果。

设置定义域为[-4, -2]。

根据该多项式，通过计算极值点，很容易计算其值域区间为[21, 28]，我们不推荐直接这样做的原因是因为计算极值点的效率有点低。

如果采用传统的区间代数公式，计算出的值域区间为[-33, 77]。

采用本文算法，u的采样点选为0，1/3，2/3，1。生成的系数逆矩阵如下：

最终计算出的值域区间为[21, 31]。

从结果来看，它和实际值域非常接近，比传统区间代数法要好很多。

因为矩阵是提前生成好的，所以本算法的计算效率也非常高。

将该算法用在曲线求交上的效率数据如下：

未使用该算法时的效率数据如下：

可见该算法的使用将运算效率提高了1倍左右。

更多几何算法，欢迎关注公众号“几何算法”。