CAD程序性能优化之数学的应用

       CAD是一门利用计算机技术和图形设备辅助工程师设计的技术，它融合了数学、物理等多学科知识。而数学又是基础中的基础，从简单的点线面，到复杂的微分几何，数学的身影无处不在，特别是像几何内核、数值仿真这种基础计算程序。个人认为，数学可以通过以下两种方式来提升计算效率：

• 提出新的计算方式，简化计算步骤，提升计算效率。经典的例子是对数的发明，相当于延长了科学家的生命。
• 将问题归纳和抽象为数学概念，集中研究解决方法。经典的例子是线性代数，发展了各种各样的快速求解方程组的方法。

       无疑，学好数学对编写高性能的CAD程序非常有好处。下面以几个例子说明这一点。

1. 计算几何：凸包算法

       凸包在CAD建模中有重要应用，比如碰撞检测。如图1所示，给定平面上点集 S = { P i ∣ i = 1 , . . , n } S=\{P_i|i=1,..,n\} S={ Pi​∣i=1,..,n} ，其凸包 $\Phi (S)$ 是：顶点取自于 $S$ ，且包含 $S$ 中所有点的凸多边形。有一个更加形象的理解是，将点想象成钉在桌子上钉子，将一个橡皮筋撑大，使其包围所有的钉子，松开手后，橡皮筋的形状就是这些点的凸包。

图1. 计算凸包的一般算法  

       假设 $\Phi$ 是顺时针的，则需要找到所有这样的点对 $(P_i,P_j)$ ，使得所有其它点都在边 $P_i{P}_j$ 的右侧。不难看出，可能的边有 $n(n-1)$条，每条边都要进行 $n-2$ 次左右侧判断，因此，一般凸包算法的计算复杂度为 $O(n^3)$ 。在实际应用中，这样一个需要运行三次方时间的凸包算法，除非是处理小规模的输入集，否则都会由于太慢而毫无用处。

       接下来介绍一种计算凸包的递增式算法。如图2所示，首先，对所有点按照X坐标进行排序，这一处理的复杂度为 $O(nlogn)$ 。然后，借助于第一个点 $P_1$ 和最后一个点 $P_{16}$ ，将凸包一分为二，分为上凸包和下凸包，分别查找。最后，将2个凸包合并即完成任务。

图2. 计算凸包的递增式算法  

       递增式算法的基本思路是：在已有凸包列表的基础上，取其最后2个点，寻找“右拐点”，比如 $P_7$ 在$P_1{P}_3$的右侧，即为右拐点。对于上凸包，首先将 $P_1$ 和 $P_2$ 加入上凸包列表 ${\Phi }_{}$