首页 > 代码库 > 凸包算法-GrahamScan+暴力+分治
凸包算法-GrahamScan+暴力+分治
RT。求平面上点集的凸包。
1. GrahamScan算法,《算法导论》上的例子,先找到y最小的点O,以O建立极坐标,其它点按极角排序后再从头开始扫描(配合stack实现)。
2.BruteForce算法,依赖定理:如果一个点在平面上某三个点组成的三角形内,那么这个点不可能是凸包上的点。
所以暴力的思路是平面上的点每4个进行枚举,并判断是否满足定理,若满足,则删除这个点继续找;一直找到没有满足定理的点为止。。
3.DivideAndConquer思路:有很多种,这里我实现的只是严格意义上最后一步的分治,基于递归的分治暂时还没想明白;
思路即:首先找点集x-坐标的中位数(排序法O(nlogn),或随机法更快O(n)),将每次将点集分为左右两部分。
分别递归求左右部分的凸包,这里我就是用Graham求的凸包。这样会过滤掉许多内部点,将左边凸包上的点序列称为left,右边凸包上的点序列称为right。
right按顺时针和逆时针分成两部分right1和right2(以y最大和y最小的点为界),得到这三个极角有序列表后,合并这三个有序表为一个list(merge的操作O(n),原理类似归排的merge)
对新list直接进行GrahamScan,只需过滤掉极少的点即可得到大凸包。
ConvexHull.py:
#coding=utf-8 import math import numpy import pylab as pl #画原始图 def drawGraph(x,y): pl.figure(1) pl.subplot(131) #1 pl.title("ConvexHull-GrahamScan") pl.xlabel("x axis") pl.ylabel("y axis") pl.plot(x,y,'ro') pl.subplot(132) #2 pl.title("ConvexHull-BruteForce") pl.xlabel("x axis") pl.ylabel("y axis") pl.plot(x,y,'ro') pl.subplot(133) #3 pl.title("ConvexHull-DivideConquer") pl.xlabel("x axis") pl.ylabel("y axis") pl.plot(x,y,'ro') #画凸包 def drawCH(CHQ): x,y=[],[] for p in CHQ: x.append(p[0]) y.append(p[1]) pl.plot(x,y,color='blue',linewidth=2) pl.plot(x[-1],y[-1],x[0],y[0]) lastx=[x[-1],x[0]] lasty=[y[-1],y[0]] pl.plot(lastx,lasty,color='blue',linewidth=2) #画最后一条封闭线 #存点的矩阵,每行一个点,列0->x坐标,列1->y坐标,列2->代表极角 def matrix(rows,cols): cols=3 mat = [[0 for col in range (cols)] for row in range(rows)] return mat #Graham用的叉积 def crossMut(stack,p3): p2=stack[-1] p1=stack[-2] vx,vy=(p2[0]-p1[0],p2[1]-p1[1]) wx,wy=(p3[0]-p1[0],p3[1]-p1[1]) return (vx*wy-vy*wx) #Graham扫描法O(nlogn),mat是经过极角排序的点集 def GrahamScan(x,y): #print mat max_num=len(x) mat = matrix(max_num,3) #根据点数申请矩阵,mat[i][2]代表极角 minn = 300 for i in range(max_num): #存点集 mat[i][0],mat[i][1]=x[i],y[i] if y[i]<minn: #(x[tmp],y[tmp])-->y轴最低坐标 minn=y[i] tmp = i d = {} #利用字典的排序 for i in range(max_num): #计算极角 if (mat[i][0],mat[i][1])==(x[tmp],y[tmp]):mat[i][2]=0 else:mat[i][2]=math.atan2((mat[i][1]-y[tmp]),(mat[i][0]-x[tmp])) d[(mat[i][0],mat[i][1])]=mat[i][2] lst=sorted(d.items(),key=lambda e:e[1]) #按极角由小到大排序 for i in range(max_num): #更新mat为排序后的矩阵 ((x,y),eth0)=lst[i] mat[i][0],mat[i][1],mat[i][2]=x,y,eth0 points=len(mat) #点数 stack=[] stack.append((mat[0][0],mat[0][1])) #push p0 stack.append((mat[1][0],mat[1][1])) #push p1 stack.append((mat[2][0],mat[2][1])) #push p2 for i in range(3,points): #print stack p3=(mat[i][0],mat[i][1]) while crossMut(stack,p3)<0:stack.pop() stack.append(p3) return stack #蛮力法判断叉积,返回ABxAC的向量中j的系数 def Product(A,B,C): return (B[0]-A[0])*(C[1]-A[1])-(C[0]-A[0])*(B[1]-A[1]) #判断P是否在三角形ABC中 def isInTriangle(A,B,C,P): if Product(A,B,P)>=0 and Product(B,C,P)>=0 and Product(C,A,P)>=0: return 1 return 0 #凸包蛮力算法 def BruteForce(x,y): max_num=len(x) mat = matrix(max_num,3) #根据点数申请矩阵,mat[i][2]代表访问标记 for i in range(max_num): #存点集 mat[i][0],mat[i][1],mat[i][2]=x[i],y[i],1 #任选4个,即C(10,4)的功能 for a in range(0,max_num-3): for b in range(a+1,max_num-2): for c in range(b+1,max_num-1): for d in range(c+1,max_num): #如果在三角形中,则删除内部的点 #if 0 in (mat[a][2],mat[b][2],mat[c][2],mat[d][2]):continue if isInTriangle(mat[b],mat[c],mat[d],mat[a]):mat[a][2]=0 #顺时针算一类 if isInTriangle(mat[b],mat[d],mat[c],mat[a]):mat[a][2]=0 #逆时针算另一类 if isInTriangle(mat[a],mat[c],mat[d],mat[b]):mat[b][2]=0 if isInTriangle(mat[a],mat[d],mat[c],mat[b]):mat[b][2]=0 if isInTriangle(mat[a],mat[b],mat[d],mat[c]):mat[c][2]=0 if isInTriangle(mat[a],mat[d],mat[b],mat[c]):mat[c][2]=0 if isInTriangle(mat[a],mat[b],mat[c],mat[d]):mat[d][2]=0 if isInTriangle(mat[a],mat[c],mat[b],mat[d]):mat[d][2]=0 #后处理,按极角排序,以便输出图形 #print mat newmat = matrix(max_num,3) #newmat[i][2]是极角,和mat[i][2]不同 pos = 0 #记录newmat行数 minn = 300 for i in range(len(mat)): if mat[i][2]==1: if mat[i][1]<minn: #(mat[tmp][0],mat[tmp][1])-->y坐标最低的点 minn=mat[i][1] tmp = i newmat[pos][0],newmat[pos][1]=mat[i][0],mat[i][1] pos+=1 d={} #排序字典 for i in range(pos): #计算极角 #print newmat[i][0],newmat[i][1],newmat[i][2] if (newmat[i][0],newmat[i][1])==(mat[tmp][0],mat[tmp][1]):newmat[i][2]=0 else:newmat[i][2]=math.atan2((newmat[i][1]-mat[tmp][1]),(newmat[i][0]-mat[tmp][0])) d[(newmat[i][0],newmat[i][1])]=newmat[i][2] lst=sorted(d.items(),key=lambda e:e[1]) #按极角由小到大排序 #print lst stack=[] for i in range(pos): #更新mat为排序后的矩阵 ((x,y),eth0)=lst[i] stack.append((x,y)) return stack #凸包分治算法 def DivideConquer(x,y): max_num=len(x) d={} for i in range(max_num): d[(x[i],y[i])]=x[i] #print d lst=sorted(d.items(),key=lambda e:e[1]) #首先将点集按x坐标排序 #for k in lst:print k #print left=len(lst)/2 #左边的个数 right=len(lst)-left #右边的个数 #print left,right x,y=[],[] #画左半部分 for i in range(left): ((xi,yi),noUse)=lst[i] x.append(xi) y.append(yi) CHQ_L=GrahamScan(x,y) #print CHQ_L x,y=[],[] #画右半部分 for i in range(right): ((xi,yi),noUse)=lst[left+i] x.append(xi) y.append(yi) CHQ_R=GrahamScan(x,y) for i in range(len(CHQ_R)): #找到y最高的位置high if i==len(CHQ_R)-1 or CHQ_R[i][1]>CHQ_R[i+1][1]: high = i break #将右半部分分成两个序列 sq2=[] for i in range(high+1): sq2.append((CHQ_R[i][0],CHQ_R[i][1])) #print sq2 sq3=[] for i in range(len(CHQ_R)-1,high,-1): sq3.append((CHQ_R[i][0],CHQ_R[i][1])) #print sq3 merge = CHQ_L+sq2+sq3 #合并操作,应该按顺序来merge #print merge x,y=[],[] #画左半部分 for i in range(len(merge)): ((xi,yi))=merge[i] x.append(xi) y.append(yi) CHQ=GrahamScan(x,y) return CHQ #main max_num = 30 #最大点数 x=100*numpy.random.random(max_num)#[0,100) y=100*numpy.random.random(max_num) drawGraph(x,y) #原始图 CHQ=GrahamScan(x,y) pl.subplot(131) drawCH(CHQ) #Graham凸包 CHQ=BruteForce(x,y) pl.subplot(132) drawCH(CHQ) #BruteForce凸包 CHQ=DivideConquer(x,y) pl.subplot(133) drawCH(CHQ) #DivideConquer凸包 pl.show()ps:凸包的一个应用是求平面最远点对,源自定理:平面最远的点对一定均在凸包上。
凸包算法-GrahamScan+暴力+分治
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。