凸包（Convex hull）

给定平面上的一个(有限)点集(即一组点)，这个点集的凸包就是包含点集中所有点的最小面积的凸多边形。

在二维欧几里得空间中，凸包可想象为一条刚好包著所有点的橡皮圈。这可以形象地想成这样：在地上放置一些不可移动的木桩，用一根绳子把他们尽量紧地圈起来，这就是凸包了。

例如，下图的点集共包含9个点，图中的六边形便是该点集的凸包。其中构成六边形的6个点称为“凸包上的点”(Hull Point)，其余3个点则并非“凸包上的点”。请注意上述定义中“最小面积”这个限制条件，因为除了凸包以外，还有无限多个包含点集中所有点的凸多边形。例如，只要画一个面积足够大的四边形，便可包围任意给定的点集。因此假如没有这个限制条件，求凸包就变成非常容易但却没有唯一解的运算。

另外，所谓的“凸多边形”(Convex Polygon)。从直观上说，一个凸多边形就是没有任何凹陷位的多边形。我们在低年级数学所学习的三角形、正方形、长方形、平行四边形、正五边形、正六边形等等，都是凸多边形的例子。但是“凸”字形却并非凸多边形，因为它有凹陷位。在数学上，凸多边形有另一个严格的定义。假设我们在一个多边形上(包括多边形的边界及边界围封的范围)任意取两点并以一条线段连结该两点，如果线段上的每一点均在该多边形上，那么我们便说这个多边形是凸的。

凸包的算法：

　　 增量式算法1

　　逐次再点加入，然后检查之前的点是否在新的凸包上。由于每次都要检查所有之前的点，时间复杂度为O(n2)。

　　 包裹法(Jarvis步进法)

　　首先由一点必定在凸包的点开始，例如最左的一点A1。然后选择A2点使得所有点都在A1A2的右方，这步骤的时间复杂度是O(n)，要比较所有点以A1为原点的极坐标角度。以A2为原点，重复这个步骤，依次找到A_3,A_4,\ldots,A_k,A_1。这总共有k步。因此，时间复杂度为O(n2)。

凸包

　　 葛立恒扫描法

　　由最底的一点A1开始，计算它跟其他各点的连线和x轴的角度，按小至大将这些角度排序，称它们的对应点为A_2,A_3,\ldots,A_n。这里的时间复杂度可达O(nlogn)。

　　考虑最小的角度对应的点A3。若由A2到A3的路径相对A1到A2的路径是向右转的（可以想象一个人沿A1走到A2，他站在A2时，是向哪边改变方向），表示A3不可能是凸包上的一点，考虑下一点由A2到A4的路径；否则就考虑A3到A4的路径是否向右转……直到回到A1。

　　这个算法的整体时间复杂度是O(nlogn)，注意每点只会被考虑一次，而不像Jarvis步进法中会考虑多次。

　　这个算法由葛立恒在1972年发明。[1]它的缺点是不能推广到二维以上的情况。

　　 单调链

　　将点按x坐标的值排列，再按y坐标的值排列。

　　选择x坐标为最小值的点，在这些点中找出y坐标的值最大和y坐标的值最小的点。对于x坐标为最大值也是这样处理。将两组点中y坐标值较小的点连起。在这条线段下的点，找出它们之中y坐标值最大的点，又在它们之间找x坐标值再最小和最大的点……如此类推。

　　时间复杂度是O(n log n)。

　　 分治法

　　将点集X分成两个不相交子集。求得两者的凸包后，计算这两个凸包的凸包，该凸包就是X的凸包。时间复杂度是O(n log n)。

　　 快包法(Akl-Toussaint启发式)

　　选择最左、最右、最上、最下的点，它们必组成一个凸四边形（或三角形）。这个四边形内的点必定不在凸包上。然后将其余的点按最接近的边分成四部分，再进行快包法(QuickHull)。