• 平面上最接近点对(分治法)


    平面上的最接近点对

    题目描述

    给定平面上 n n n 个点,找出其中的一对点的距离,使得在这 n n n 个点的所有点对中,该距离为所有点对中最小的。

    输入格式

    第一行一个整数 n n n,表示点的个数。

    接下来 n n n 行,每行两个实数 x , y x,y x,y ,表示一个点的行坐标和列坐标。

    输出格式

    仅一行,一个实数,表示最短距离,四舍五入保留 4 4 4 位小数。

    样例 #1

    样例输入 #1

    3
    1 1
    1 2
    2 2
    
    • 1
    • 2
    • 3
    • 4

    样例输出 #1

    1.0000
    
    • 1

    提示

    数据规模与约定

    对于 100 % 100\% 100% 的数据,保证 1 ≤ n ≤ 1 0 4 1 \leq n \leq 10^4 1n104 0 ≤ x , y ≤ 1 0 9 0 \leq x, y \leq 10^9 0x,y109,小数点后的数字个数不超过 6 6 6

    题解:

    对于给定的点序列,我们对它按x坐标的大小排序,接着取中点mid将点序列划分为两半,则求整个序列的最接近点对就分解成了三个子问题:

    1. 求左侧序列的最近点对
    2. 求右侧序列的最近点对
    3. 求跨越左侧和右侧的最近点对

    那么原问题的答案就是这三个中的最小值。

    我们递归地对序列进行二分,求解到了前两个子问题的答案之后,得到二者中的较小值mmin,那么现在就需要解决第三个子问题了。

    由于我们已经得到了一个较优的mmin值,考虑最极端的情况,对于我们需要找的跨越两侧的点对,一个是p[mid]本身,另一个是和p[mid]的y坐标相同的且横坐标之差恰好为mmin的点。

    这已经是最极端的情况,横坐标之差如果再大一些,第三个子问题的解就不可能比mmin更优了。因此,我们可以将第三个子问题的答案的搜索范围压缩到与p[mid]横坐标之差小于mmin的点集。

    仅仅在x坐标的维度进行压缩显然是有缺陷的,考虑一种非常极端的情况,我们上一步所求的与p[mid]横坐标之差小于mmin的点集所包含的点占总数的80%并且它们的y距离的差值高低起伏,也就是点几乎都分布在了过中点的垂线的附近但是y差值有大有小,那这个时候,显然,我们也要对y坐标进行约束,而约束的方法和x坐标是相通的。

    所以,我们把上一步得到的点集按y坐标排序,然后对这个点集进行双重循环的枚举,更新mmin,由于序列按y有序,一旦出现y不满足约束(代码里已给出),则后面的点更不可能满足,直接break,枚举下一个点。

    代码如下:

    #include 
    #include 
    #include 
    #include 
    using namespace std;
    const int inf = 999999997;
    int n;
    
    struct Point {
        int x, y;
    }p[100001],temp[10001];
    
    bool cmpx(Point a, Point b) { 
        return a.x < b.x || (a.x == b.x && a.y < b.y); 
    }
    
    bool cmpy(Point a, Point b) {
        return a.y < b.y || (a.y == b.y && a.x < b.x);
    }
    
    double dist(Point a, Point b) {
        return sqrt((a.x - b.x) * (a.x - b.x) + (a.y - b.y) * (a.y - b.y));
    }
    
    double mindist(int low, int high) {
        if (low == high) {
            return inf;
        }
        if (low + 1 == high) {
            return dist(p[low], p[high]);
        }
        else {
            int mid = (low + high) / 2;
            double d1=mindist(low, mid);
            double d2 = mindist(mid + 1, high);
            double mmin = min(d1, d2);
            int len = 0;
            for (int i = low; i < high; i++) {
                if (fabs(p[i].x - p[mid].x) < mmin) {
                    temp[++len] = p[i];
                }
            }
            sort(temp + 1, temp + 1 + len, cmpy);
            for (int i = 1; i < len; i++) {
                for (int j = i + 1; j <= len; j++) {
                    if (temp[j].y - temp[i].y < mmin) {
                        mmin = min(mmin, dist(temp[i], temp[j]));
                    }
                    else {
                        break;
                    }
                }
            }
            return mmin;
        }
    }
    
    int main()
    {
        cin >> n;
        for (int i = 1; i <= n; i++) {
            cin >> p[i].x >> p[i].y;
        }
        sort(p + 1, p + 1 + n, cmpx);
        cout << fixed << setprecision(4) << mindist(1, n);
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
  • 相关阅读:
    ARM功耗管理之功耗数据与功耗收益评估
    Vue进阶之Vue无代码可视化项目(一)
    uniapp - 电商优购项目
    【落地应用】华为之图神经网络在推荐系统中的应用
    使用hash和history实现前端历史状态切换,触发事件驱动函数来完成部分数据的加载(使用hash和history实现前端路由切换,含完整源码+注释)
    Less学习记录
    java-php-python-ssm-乌托邦宿舍管理系统2021计算机毕业设计
    如何判断当前市场是否适合投资进而控制自己的仓位
    【ODX Studio编辑PDX】-0.3-如何删除/修改Variant变体中继承的(Inherited)元素
    生成验证码易语言代码
  • 原文地址:https://blog.csdn.net/huhubbdd/article/details/128010275