Lecture 分治法培训讲义.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * 算法的应用 假设在一片金属上钻n 个大小一样的洞，如果洞太近，金属可能会断。若知道任意两个洞的最小距离，可估计金属断裂的概率。这种最小距离问题实际上也就是距离最近的点对问题。 最接近点对问题常用于空中交通的计算机自动控制系统中，也是计算机几何学研究的基本问题之一。 蛮力算法 算法 BruteForceClosestPoints(P) //输入:一个n(n≥2)个点的列表P,P1=(x1,y1)….,Pn=(xn,yn) //输出:两个最近点的下标,index1和index2 dmin←∞ For i←1 to n-1 do for j←i+1 to n do d←sqrt((xi-xj)2+(yi-yj)2) if ddmin dmin←d;index1←i:index2←j Return index1,index2 总结:此算法的时间复杂度是O(n2) 分治策略下找最近点对一维空间 怎么样在一条线上找最邻近的点对? (1)用O(nlogn)时间对它们排序. (2)走过排好序的表,计算每一个点到跟在它后面的点的距离,容易看出这些距离的最小值. 一维的情形 先把x1,x2,…,xn排好序，再进行一次线性扫描就可以找出最接近点对，T(n)=O(nlogn)。 假设我们用x轴上某个点m将S划分为2个子集S1和S2 ，基于平衡子问题的思想，用S中各点坐标的中位数来作分割点。 递归地在S1和S2上找出其最接近点对{p1,p2}和{q1,q2}，并设d=min{|p1-p2|,|q1-q2|}，S中的最接近点对或者是{p1,p2}，或者是{q1,q2}，或者是某个{p3,q3}，其中p3∈S1且q3∈S2。 如果S的最接近点对是{p3,q3}，即|p3-q3|d，则p3和q3两者与m的距离不超过d，即p3∈(m-d,m]，q3∈(m,m+d]。 由于在S1中，每个长度为d的半闭区间至多包含一个点（否则必有两点距离小于d），并且m是S1和S2的分割点，因此(m-d,m]中至多包含S中的一个点。由图可以看出，如果(m-d,m]中有S中的点，则此点就是S1中最大点。 因此，我们用线性时间就能找到区间(m-d,m]和(m,m+d]中所有点，即p3和q3。从而我们用线性时间就可以将S1的解和S2的解合并成为S的解。 能否在线性时间内找到p3,q3？ 最接近点对问题 下面来考虑二维的情形。 选取一垂直线l:x=m来作为分割直线。其中m为S中各点x坐标的中位数。由此将S分割为S1和S2。 递归地在S1和S2上找出其最小距离d1和d2，并设d=min{d1,d2}，S中的最接近点对或者是d，或者是某个{p,q}，其中p∈P1且q∈P2。 能否在线性时间内找到p,q？ 考虑P1中任意一点p，它若与P2中的点q构成最接近点对的候选者，则必有distance(p，q)＜d。满足这个条件的P2中的点一定落在一个d×2d的矩形R中 由d的意义可知，P2中任何2个S中的点的距离都不小于d。由此可以推出矩形R中最多只有6个S中的点。 因此，在分治法的合并步骤中最多只需要检查6×n/2=3n个候选者 能否在线性时间内找到p3,q3？ 证明:将矩形R的长为2d的边3等分，将它的长为d的边2等分，由此导出6个(d/2)×(2d/3)的矩形。若矩形R中有多于6个S中的点，则由鸽舍原理易知至少有一个(d/2)×(2d/3)的小矩形中有2个以上S中的点。设u，v是位于同一小矩形中的2个点，则 distance(u,v)d。这与d的意义相矛盾。 为了确切地知道要检查哪6个点，可以将p和P2中所有S2的点投影到垂直线l上。由于能与p点一起构成最接近点对候选者的S2中点一定在矩形R中，所以它们在直线l上的投影点距p在l上投影点的距离小于d。由上面的分析可知，这种投影点最多只有6个。 因此，若将P1和P2中所有S中点按其y坐标排好序，则对P1中所有点，对排好序的点列作一次扫描，就可以找出所有最接近点对的候选者。对P1中每一点最多只要检查P2中排好序的相继6个点。 double cpair2(S) { n=|S|; if (n 2) return ?; 1、m=S中各点x间坐标的中位数; 构造S1和S2； //S1={p∈S|x(p)=m}, S2={p∈S|x(p)m} 2、d1=cpair2(S1); d2=cpair2(S2); 3、dm=min(d1,d2); 4、设P1是S1中距垂直分割线l的距离在dm之内