来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/erect-the-fence

题目描述

在一个二维的花园中,有一些用 (x, y) 坐标表示的树。由于安装费用十分昂贵,你的任务是先用最短的绳子围起所有的树。只有当所有的树都被绳子包围时,花园才能围好栅栏。你需要找到正好位于栅栏边界上的树的坐标。

示例 1:

输入: [[1,1],[2,2],[2,0],[2,4],[3,3],[4,2]]
输出: [[1,1],[2,0],[4,2],[3,3],[2,4]]
解释:

示例 2:

输入: [[1,2],[2,2],[4,2]]
输出: [[1,2],[2,2],[4,2]]
解释:

即使树都在一条直线上,你也需要先用绳子包围它们。

注意:

所有的树应当被围在一起。你不能剪断绳子来包围树或者把树分成一组以上。
输入的整数在 0 到 100 之间。
花园至少有一棵树。
所有树的坐标都是不同的。
输入的点没有顺序。输出顺序也没有要求。

解题思路

第一次遇到这种类型的题,正好借此机会学习了三种凸包算法:

Jarvis算法:Jarvis算法的原理十分的简单,首先,对于一堆点,找到边缘处的点。

如图,我找到了最左侧的点A,这个点在边缘,所以一定会在栅栏上面,然后随笔选取一点B做向量AB

接下来,遍历每一个点,找到向量AB最右侧的点C(关于如何找最右侧,可以使用向量叉乘,如果叉乘和小于0,那么说明AC是AB顺时针旋转得到的,所以点C肯定会在向量AB的右侧,将C点当做B点继续遍历其他的点,就可以找到向量AB最右侧的点C了,注意,利用向量叉乘会出现0的情况,细节如何处理下文会介绍)

点AC就可以确定是外轮廓线,也就是栅栏的位置,接下来使用C作为起点重命名为A继续上述的步骤,直到C回到起始点A为止,外轮廓也就是栅栏就确定下来了。

在这个过程中会有一些特殊的情况,入下图

如果起始点从A遍历到B的时候,下一个点如果选中的是A,那么利用叉乘求最右侧点时候,如果先遍历的是C,那么就会出现叉乘为0而漏掉C的情况,在某些情况还会出现死循环,所以第一个选择的点需要一些技巧,这里每次指定这个点是数组中循环的下一个点而不是每次从数组第一个点开始遍历。

但是当起点是A点时候,如果第一个点选中的是C, 由于AB和AC叉乘为0,所以B点会被漏选,所以在每次选中最右点后,要判断是否有点与起点和最右点共线,将这些点也应该加入篱笆。

此算法对于每个点都要遍历一次其余各点,所以时间复杂度为O(n2)。

代码展示

Jarvis算法:

class Solution {
public:
vector<vector<int>> outerTrees(vector<vector<int>>& trees) {
if(trees.size() < 4) return trees;
vector<vector<int>> vviRet;
unordered_set<int> setiVistied;
int iStart = 0, iCur = 0;
/* find leftest tree*/
for(int i = 0; i < trees.size(); i++)
{
if (trees[i][0] < trees[iStart][0])
{
iStart = i;
}
}
iCur = iStart;
do
{
int iNext = (iCur + 1) % trees.size();
int iDirX = trees[iNext][0] - trees[iCur][0];
int iDirY = trees[iNext][1] - trees[iCur][1];
for(int i = 0; i < trees.size(); i++)
{
int iTempX = trees[i][0] - trees[iCur][0];
int iTempY = trees[i][1] - trees[iCur][1];
if(iDirX * iTempY - iDirY * iTempX < 0)
{
iDirX = iTempX;
iDirY = iTempY;
iNext = i;
}
}
for(int i = 0; i < trees.size(); i++)
{
int iTempX = trees[i][0] - trees[iCur][0];
int iTempY = trees[i][1] - trees[iCur][1];
if(iDirX * iTempY - iDirY * iTempX == 0 && setiVistied.find(i) == setiVistied.end())
{
setiVistied.emplace(i);
vviRet.emplace_back(vector<int>{trees[i][0], trees[i][1]});
}
}
iCur = iNext;
}
while(iCur != iStart);
return vviRet;
}
};

运行结果

LeetCode-587 安装栅栏及三种凸包算法的学习的更多相关文章

  1. Java实现 LeetCode 587 安装栅栏(图算法转换成数学问题)

    587. 安装栅栏 在一个二维的花园中,有一些用 (x, y) 坐标表示的树.由于安装费用十分昂贵,你的任务是先用最短的绳子围起所有的树.只有当所有的树都被绳子包围时,花园才能围好栅栏.你需要找到正好 ...

  2. Leetcode 587.安装栅栏

    安装栅栏 在一个二维的花园中,有一些用 (x, y) 坐标表示的树.由于安装费用十分昂贵,你的任务是先用最短的绳子围起所有的树.只有当所有的树都被绳子包围时,花园才能围好栅栏.你需要找到正好位于栅栏边 ...

  3. 7.1 安装软件包的三种方法 7.2 rpm包介绍 7.3 rpm工具用法 7.4 yum工具用法 7.5 yum搭建本地仓库

    7.1 安装软件包的三种方法 7.2 rpm包介绍 7.3 rpm工具用法 7.4 yum工具用法 7.5 yum搭建本地仓库 三种方法 rpm工具----->类型windows下的exe程序 ...

  4. 安装软件包的三种方法、RPM包介绍、rpm、yum工具用法、yum搭建本地仓库

    第5周第3次课(4月18日) 课程内容: 7.1 安装软件包的三种方法7.2 rpm包介绍7.3 rpm工具用法7.4 yum工具用法7.5 yum搭建本地仓库 7.1 安装软件包的三种方法 rpm工 ...

  5. Linux CentOS7 VMware 安装软件包的三种方法、rpm包介绍、rpm工具用法、yum工具用法、yum搭建本地仓库

    一.安装软件包的三种方法 Linux下游三种安装方法,rpm工具.yum工具.源码包.rpm按装一个程序包时,有可能因为该程序包依赖另一个程序包而无法安装:yum工具,可以连同依赖的程序包一起安装. ...

  6. FIFO、LRU、OPT这三种置换算法的缺页次数

    考虑下述页面走向: 1,2,3,4,2,1,5,6,2,1,2,3,7,6,3,2,1,2,3,6 当内存块数量分别为3时,试问FIFO.LRU.OPT这三种置换算法的缺页次数各是多少? 答:缺页定义 ...

  7. 排序—时间复杂度为O(n2)的三种排序算法

    1 如何评价.分析一个排序算法? 很多语言.数据库都已经封装了关于排序算法的实现代码.所以我们学习排序算法目的更多的不是为了去实现这些代码,而是灵活的应用这些算法和解决更为复杂的问题,所以更重要的是学 ...

  8. 基于C#程序设计语言的三种组合算法

    目录 基于C#程序设计语言的三种组合算法 1. 总体思路 1.1 前言 1.2 算法思路 1.3 算法需要注意的点 2. 三种组合算法 2.1 普通组合算法 2.2 与自身进行组合的组合算法 2.3 ...

  9. 网络中,FIFO、LRU、OPT这三种置换算法的缺页次数

    FIFO.LRU.OPT这三种置换算法的缺页次数 转载  由于要考计算机四级网络,这里遇到了问题,就搜了一些资料来解疑. 考虑下述页面走向: 1,2,3,4,2,1,5,6,2,1,2,3,7,6,3 ...

  10. 三种Hash算法对比以及秒传原理.

    三种Hash算法对比以及秒传原理 CRC (32/64)   MD5  Sha1 分5个点来说 1.校验值长度 2.校验值类别 3.安全级别 4.应用场景 1).校验值长度 CRC(32/64) 分别 ...

随机推荐

  1. loadrunner11安装时提示缺少Microsoft Visual c++2005 sp1组件的解决办法

    解决方法: 1.进入loadrunner-11安装程序\loadrunner-11\Additional Components\IDE Add-Ins\MS Visual Studio .NET文件夹 ...

  2. [OpenCV实战]36 使用OpenCV在视频中实现简单背景估计

    目录 1 时间中值滤波 2 使用中值进行背景估计 3 帧差分 4 总结和代码 5 参考 许多计算机视觉应用中,硬件配置往往较低.在这种情况下,我们必须使用简单而有效的技术.在这篇文章中,我们将介绍一种 ...

  3. [seaborn] seaborn学习笔记12-绘图实例(4) Drawing example(4)

    文章目录 12 绘图实例(4) Drawing example(4) 1. Scatterplot with varying point sizes and hues(relplot) 2. Scat ...

  4. Google分布式文件系统GFS论文学习

    GFS作为最著名的分布式文件系统,首先具备了大规模.可扩展.适配大文件.自动运维等高级特性.虽然是比较早期的分布式文件系统,但是它里面的设计思想还是值得现代分布式系统设计参考的,并且还有很多后期著名的 ...

  5. 基础文之-----typeof 和 instanceof

    为了巩固基础,我会通过实例来详细说明,让我们一起搞懂 typeof 和 instanceof. <!DOCTYPE html> <html lang="en"&g ...

  6. 自从学习了MongoDB高可用,慢慢的喜欢上了它,之前确实冷落了

    大家好,我是哪吒,最近项目在使用MongoDB作为图片和文档的存储数据库,为啥不直接存MySQL里,还要搭个MongoDB集群,麻不麻烦? 让我们一起,一探究竟,继续学习MongoDB高可用和片键策略 ...

  7. 基础分类算法_KNN算法

    KNN(K-NearestNeighbor)算法 KNN算法是有监督学习中的分类算法. KNN算法很特殊,可以被认为是没有模型的算法,也可以认为其训练数据集就是模型本身. KNN算法的原理 KNN的原 ...

  8. Hash table集合-练习_计算一个字符串中每个字符出现次数

    Hash table集合 java.util.Hashtable<K,V>集合implements Map<K,V>接口Hashtable:底层也是一个哈希表,是一个线程安全的 ...

  9. 读Java8函数式编程笔记03_高级集合类和收集器

    1. 方法引用 1.1. 一种引用方法的轻量级语法 1.1.1. 提供了一种简短的语法 1.1.2. 标准语法为Classname::methodName 1.2. 凡是使用Lambda表达式的地方, ...

  10. RAM算法原理

    1 应用场景 信道的不对称性和信道的高波动是移动环境中无线信道的两个显著特征.因此,当在车辆网络等移动环境中使用IEEE 802.11设备时,有一个能够处理这些问题的有效速率自适应方案至关重要.RAM ...