当前位置: 首页 > article >正文

凸包(Convex Hull)

目录1、前言1.1什么是凸包2、算法基础铺垫2.1数学基础2.1.1叉积2.2数据结构基础2.2.1栈3、算法实现C3.1算法Andrew讲解3.2代码复现1、前言1.1什么是凸包给定二维平面上的点集凸包就是将最外层的点连接起来构成的凸多边形它能包含点集中所有的点2、算法基础铺垫2.1数学基础2.1.1叉积对于两个空间向量、叉积定义为当纵坐标时即当向量、处于同一平面时我们有此时我们可以知道若向量、共线若向量在向量的逆时针区域内若向量在向量的顺时针区域内2.2数据结构基础2.2.1栈此处略3、算法实现C3.1算法Andrew讲解文字说明1将点集中的所有点按横坐标升序排列横坐标相同时按纵坐标升序排列2遍历排序后的点集以构建下凸壳当栈中点数不少于 2 时每新入一个点都通过叉积回溯检查栈顶点剔除凹点或共线点直至完成下凸壳构建3遍历点集以构建上凸壳以下凸壳完成时的栈大小为界当栈中点数超过下凸壳的点数时每新入一个点都通过叉积回溯检查栈顶点剔除凹点或共线点直至完成上凸壳构建图片说明如下为一个点集其中每个点都涵盖两个参数——其横纵坐标值即该点在平面的坐标1根据各自横坐标进行排序2将点1、点2入栈3新入点3时回溯时发现点2为凹点于是将点2弹出点3入栈于是得到4新入点4回溯检查无误4新入点5回溯时发现点4为凹点于是将点4弹出点5入栈于是得到继续回溯检查发现点3为凹点于是将点3弹出点5入栈得到【注】我们以点集中的遍历顺序为依据把一个凸包分成两部分即下凸壳和上凸壳凸包部分遍历顺序下凸壳从小到大上凸壳从大到小同理下凸壳上凸壳的求解流程图如下5678该点集的完整凸包求解完毕显然栈中有个元素则凸包上有个元素将点1重复置于栈内显然凸包周长为3.2代码复现例题【洛谷P2742】代码#includealgorithm #includeiostream #includeiomanip #includeutility #includecmath #includevector #includestack using namespace std; stackpairdouble, double st; vectorpairdouble, double point; bool Cross(pairdouble, double p1, pairdouble, double p2, pairdouble, double p3) { double cross (p2.first - p1.first)* (p3.second - p1.second)- (p2.second - p1.second)* (p3.first - p1.first); return cross 0; } void Convex_Hull(int n) { sort(point.begin() 1, point.end()); for (int i 1; i n; i) { while (st.size() 2) { pairdouble, double Pa st.top(); st.pop(); pairdouble, double Pb st.top(); pairdouble, double S point[i]; if (Cross(Pb, Pa, S)) continue; else { st.push(Pa); break; } } st.push(point[i]); } int tmp st.size(); for (int i n - 1; i 1; i--) { while (st.size() tmp) { pairdouble, double Pa st.top(); st.pop(); pairdouble, double Pb st.top(); pairdouble, double S point[i]; if (Cross(Pb, Pa, S)) continue; else { st.push(Pa); break; } } st.push(point[i]); } } double dis(double x1, double y1, double x2, double y2) { return sqrt(pow((x1 - x2), 2) pow((y1 - y2), 2)); } int main() { ios::sync_with_stdio(false); cin.tie(0); cout.tie(0); int n; cin n; double l 0; double x; double y; point.emplace_back(0, 0); for (int i 1; i n; i) { cin x y; point.emplace_back(x, y); } Convex_Hull(n); while (st.size() 1) { double x1 st.top().first; double y1 st.top().second; st.pop(); double x2 st.top().first; double y2 st.top().second; l dis(x1, y1, x2, y2); } cout fixed setprecision(2) l; return 0; }3.3反思1在 Andrew 单调链凸包算法中栈内点集始终保持凸性单调链性质即从栈底到栈顶任意连续三点均满足左转凸关系。当处理新点时若当前栈顶的三个点构成非左转凹或共线关系则弹出栈顶点当首次检测到栈顶三点满足左转凸性质时即可停止回溯并退出循环。这是因为此前的回溯操作已保证栈内剩余部分仍为合法的凸性单调链新点与当前栈顶两点构成凸关系后其与更下方的栈内点的转向关系必然也满足凸性无需继续回溯。while (st.size() 2) { pairdouble, double Pa st.top(); st.pop(); pairdouble, double Pb st.top(); pairdouble, double S point[i]; if (Cross(Pb, Pa, S)) continue; else { st.push(Pa); break; } }因此算法仅需在首次检测到凸性成立时退出循环break即可保证后续栈内点集的凸性无需回溯到底。

相关文章:

凸包(Convex Hull)

目录 1、前言 1.1什么是凸包 2、算法基础铺垫 2.1数学基础 2.1.1叉积 2.2数据结构基础 2.2.1栈 3、算法实现(C) 3.1算法(Andrew)讲解 3.2代码复现 1、前言 1.1什么是凸包 给定二维平面上的点集,凸包就是将…...

Youtu-VL-4B-Instruct优化技巧:如何调整参数让图片问答更准确、描述更生动

Youtu-VL-4B-Instruct优化技巧:如何调整参数让图片问答更准确、描述更生动 当你第一次使用Youtu-VL-4B-Instruct模型时,可能会遇到这样的困惑:为什么同样的图片,有时候能得到详细生动的描述,有时候回答却简短模糊&…...

fpga系列 HDL : Microchip FPGA开发软件 Libero Soc选择RAM IP(Two Port IP核)

Catalog下选择ram IP 特性RAM - Dual PortRAM - Two Port别名通常指 True Dual-Port RAM通常指 Simple Dual-Port RAM端口功能两个端口均可读可写 (R/W)端口功能分离:一个端口只写,另一个端口只读端口定义端口A和端口B是对等的,都可以独立进行…...

【vllm】(二)vLLM v1 Engine — 模块超深度逐行分析之三

3.10 core.py - 引擎核心文件职责: 实现vLLM推理的"内循环"——调度→执行→更新,这是GPU推理的真正驱动者。 3.10.1 EngineCore.init() 初始化流程 逐行解析: 加载插件: load_general_plugins() — 允许第三方插件注册创建ModelExecutor: exe…...

【Applicom】applicom PC Network Interfaces - Version 下载分享

applicom PC Network Interfaces 3.1-4.3applicom PC Network Interfaces 软件 介绍软件列表:使用注意相关资料下载地址applicom PC Network Interfaces 软件 介绍 找了很久才在一个网站找到的软件包,很多个版本,不常用软件,但是很难找全版本…...

ACM周报5

牛客周赛140:B题:s.find(m)时间复杂度是O(m)的,所以可能超时,可以用栈模拟,从后往前D,E题:本质是连通块问题,可以将所有ix和iy不超过n的位置放入一个集合中,用并查集实现&#xff0c…...

深度解析YOLOv11多光谱目标检测的技术实现与性能优化

深度解析YOLOv11多光谱目标检测的技术实现与性能优化 【免费下载链接】ultralytics Ultralytics YOLO 🚀 项目地址: https://gitcode.com/GitHub_Trending/ul/ultralytics 在农业监测、夜间安防、遥感分析等复杂视觉场景中,多光谱目标检测技术通过…...

Linux 0.11源码深度解析:kernel/chr_drv/tty_io.c —— 终端I/O的控制中枢与行规约引擎

一、文件概述:用户与内核的交互桥梁tty_io.c​ 位于 /kernel/chr_drv目录,是Linux 0.11中终端(Terminal/TTY)输入输出的核心实现。在1991年的命令行时代,终端是用户与计算机交互的唯一窗口。这个文件负责管理键盘输入的…...

Stable Yogi Leather-Dress-Collection 模型文件管理与版本控制实践

Stable Yogi Leather-Dress-Collection 模型文件管理与版本控制实践 你是不是也遇到过这种情况:好不容易下载了一堆模型文件,有主模型、VAE、LoRA,还有各种配置文件,全都堆在下载文件夹里。过两天想用某个特定版本的模型&#xf…...

树莓派4B双WIFI自动切换配置指南:告别手动切换,实现网络无缝漫游

树莓派4B双WIFI智能切换实战:打造永不掉线的网络冗余系统 在移动办公和物联网部署场景中,网络连接的稳定性直接决定了设备的工作可靠性。想象一下这些场景:正在进行的远程数据同步因办公室WiFi故障而中断,户外展示设备因场地网络变…...

不止RealVNC!横向评测Windows远程访问树莓派的3种图形化方案(含RDP、AnyDesk)

树莓派远程桌面方案深度评测:RealVNC、RDP与AnyDesk实战对比 树莓派作为一款功能强大的微型计算机,经常需要远程访问其图形界面进行操作。对于Windows用户而言,选择合适的远程桌面工具直接影响工作效率和体验。本文将深入评测三种主流方案&am…...

豆包AI模拟面试官,提示词迭代记录

引言 某招聘软件的AI面试,问题死板、数量固定、中途打断、随意打分,和真实面试完全不是一回事。所以我用豆包AI提示词,自己做了个能模拟真实面试的AI面试官。 文档目的 我突然想到这个点子之后,实际使用一次后感觉效果极好&#x…...

设计模式基础与SOLID原则

🏗️ 设计模式基础与SOLID原则 设计模式是软件开发中经过验证的、可复用的解决方案。掌握设计模式,能够让我们的代码更加优雅、可维护、可扩展。 一、什么是设计模式 设计模式(Design Pattern)是一套被反复使用、多数人知晓的、经…...

从 LLM 到 Agent:“工具”和“主动性”?

最近AI概念实在是太火,后端java仔不得不跟上时代。 从大语言模型出现以后,人们发现它可以写论文、写代码、做总结、回答问题,表现得非常强大。但在实际使用中,也逐渐暴露出几个明显问题: 第一,幻觉严重。…...

告别报销烦恼!金蝶AI星辰费用报销实操指南,让企业效率飞起来

还在为繁琐的费用报销流程头疼吗?员工填单慢、财务审核累、老板看不清账?别担心,金蝶AI星辰带着“云报销”功能来拯救你了!今天,我们就用一篇通俗易懂的实操指南,带你体验从“报销难”到“报销爽”的华丽蜕…...

(10个核心知识点解构分章版)深度解析TCP/IP网络协议栈:从基础概念到核心机制的全方位指南

(10个核心知识点解构分章版)深度解析TCP/IP网络协议栈:从基础概念到核心机制的全方位指南作者:培风图南以星河揽胜 发布日期:2026-04-24 标签:#计算机网络 #TCP/IP #面试必备 #网络原理 #CSDN原创前言:为什么我们需要深…...

一条查询跑了 8 小时,改写后 519 毫秒?金仓子查询等价谓词传递优化深度解析

引言:明明有 WHERE 条件,为什么数据库还是全表扫描?你有没有遇到过这样的场景:写了一条 SQL,外层明明带了精确的 WHERE 过滤条件,但执行计划一看——子查询内部仍然是全表扫描,没有利用到任何过…...

为什么WHERE中的函数调用会引发灾难?揭秘KES与Oracle的函数执行顺序之谜

在 WHERE 子句里放一个"有副作用"的函数,就像在高速公路上放了一个随机变道的司机——也许今天没事,但迟早会出事故。引言:一段看起来"理所当然"的代码在一次代码评审中,我看到了这样一条 SQL:SEL…...

深度拆解 HermesAgent(二):闭环学习系统 —— AI Agent 如何“自我进化“?

深度拆解 HermesAgent(二):闭环学习系统 —— AI Agent 如何"自我进化"? 系列导读:本文是 HermesAgent 深度拆解系列 的第二篇。我们将深入分析 HermesAgent 最核心的创新——闭环学习系统,看看 …...

数据结构入门:栈实现全解析

个人专栏:《数据结构-初阶》《经典OJ题目》《C语言》 欢迎各位大佬交流! 目录 一、栈的概念及结构 1、栈的基本概念 2、栈的结构 二、代码实现 0、初始化 1、入栈 2、出栈 3、返回栈顶元素 4、获取栈中有效元素个数 5、检测栈是否为空 6、销毁…...

Sambert多情感语音合成部署教程:一键启动,快速体验AI语音生成

Sambert多情感语音合成部署教程:一键启动,快速体验AI语音生成 1. 引言:为什么选择Sambert语音合成? 在当今数字化时代,语音合成技术已经广泛应用于智能客服、有声读物、虚拟助手等领域。然而,传统语音合成…...

Keras深度学习多分类实战:从数据预处理到模型部署

1. 深度学习多分类实战:基于Keras的完整指南在计算机视觉和自然语言处理领域,多分类问题就像一位超市理货员需要将商品准确归到不同货架——MNIST手写数字识别要把图像分到0-9共10个类别,新闻主题分类则需将文章划入政治、经济或体育等板块。…...

Python Flask工程目录解读

📁 项目根目录 usedCar 项目主目录,是整个工程的工作区。📁 applications — 应用核心 Flask 应用的工厂模式组织目录,包含业务应用的初始化、扩展管理和全局配置。子目录/文件作用config.py应用全局配置文件,包含数据…...

AAEON GENE-EHL5工业级单板计算机解析与应用

1. AAEON GENE-EHL5 3.5英寸单板计算机概述AAEON GENE-EHL5是一款基于Intel Elkhart Lake处理器的3.5英寸单板计算机(SBC),专为工业自动化和边缘计算应用设计。这款紧凑型主板采用了Intel Atom x6000E系列、Pentium和Celeron处理器,在146101.7mm的标准3.…...

RWKV7-1.5B-G1A模型效果展示:对比传统LSTM在文本生成上的优势

RWKV7-1.5B-G1A模型效果展示:对比传统LSTM在文本生成上的优势 1. 开场亮点 最近测试了RWKV7-1.5B-G1A这个新模型,它在文本生成上的表现确实让人眼前一亮。特别是和传统LSTM对比时,差异更加明显。记得去年用LSTM做文本生成时,经常…...

计算机组成原理教学辅助:用LM Z-Image模拟CPU指令执行

计算机组成原理教学辅助:用LM Z-Image模拟CPU指令执行 1. 教学痛点与解决方案 计算机组成原理是计算机专业的核心课程,但学生在学习过程中常常遇到两个主要困难:一是难以将抽象的指令执行过程可视化,二是无法直观理解寄存器、AL…...

医疗AI安全评估框架:原理、实现与最佳实践

1. 医疗AI安全评估框架概述医疗领域的大型语言模型(LLMs)正在快速改变临床决策支持的方式,从急诊医学到精神科,AI助手已经能够提供专家级的诊疗建议。然而,这些系统面临着两类关键安全威胁:对抗攻击&#x…...

LFM2-VL-1.6B软件测试新范式:自动化生成测试用例与报告

LFM2-VL-1.6B软件测试新范式:自动化生成测试用例与报告 1. 软件测试的痛点与机遇 在快速迭代的敏捷开发环境中,测试团队常常面临两大挑战:一是测试用例编写耗时费力,二是需求变更导致测试用例维护成本高。传统的手工编写测试用例…...

提示工程:优化AI交互的核心技术与实践

1. 提示工程入门指南在人工智能交互领域,提示工程(Prompt Engineering)已经成为连接人类意图与AI理解的关键桥梁。就像教孩子解数学题需要清晰的题干描述一样,与AI模型有效沟通同样需要特定的表达技巧。我最初接触GPT-3时&#xf…...

SystemC Export API参数管理机制与硬件仿真实践

1. SystemC Export API参数管理机制解析在硬件仿真和系统级建模领域,SystemC Export API提供了一套完整的参数管理机制,这是构建可配置仿真环境的核心基础设施。作为从业十余年的芯片验证工程师,我经常需要与这些API打交道,特别是…...