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. android nativate 动态注册 静态注册

    说明:在java函数的入口比较容易分析, 把activity的生命周期或者关键函数通过放在so层,分析起来就困难多了 1.在MainActivity中 package com.demo.nativat ...

  2. kali2021.4a安装angr(使用virtualenv)

    在Linux中安装各种依赖python的软件时,最头疼的问题之一就是各个软件的python版本不匹配的问题,angr依赖python3,因此考虑使用virtualenv来安装angr Virtuale ...

  3. 自己动手基于 Redis 实现一个 .NET 的分布式锁

    分布式锁的核心其实就是采用一个集中式的服务,然后多个应用节点进行抢占式锁定来进行实现,今天介绍如何采用Redis作为基础服务,实现一个分布式锁的类库,本方案不考虑 Redis 集群多节点问题,如果引入 ...

  4. Java开发如何通过IoT边缘ModuleSDK进行协议转换?

    摘要:使用ModuleSDK开发插件应用,接入其他协议设备(如HTTP请求数据),将其他协议的数据转化为MQTT协议JSON数据上报到IoTDA. 本文分享自华为云社区<[华为云IoTEdge开 ...

  5. Python 缩进语法的起源:上世纪 60-70 年代的大胆创意!

    上个月,Python 之父 Guido van Rossum 在推特上转发了一篇文章<The Origins of Python>,引起了我的强烈兴趣. 众所周知,Guido 在 1989 ...

  6. MongoDB从入门到实战之MongoDB简介

    前言 相信很多同学对MongoDB这个非关系型数据库都应该挺熟悉的,在一些高性能.动态扩缩容.高可用.海量数据存储.数据价值较低.高扩展的业务场景下MongoDB可能是我们的首选,因为MongoDB通 ...

  7. 微信小程序地区和location_id对应关系

    点击查看代码 location_list = [ {'location_id': '101010100', 'location_name': ['北京', '北京', '北京']}, {'locati ...

  8. 手写Pinia存储的数据持久化插件

    Pinia和Vuex的通病 Pinia和vuex的通病就是,页面刷新会导致数据丢失 解决通病 一.新建store import { defineStore } from 'pinia' //单独存放S ...

  9. 万字长文解析Scaled YOLOv4模型(YOLO变体模型)

    一,Scaled YOLOv4 摘要 1,介绍 2,相关工作 2.1,模型缩放 3,模型缩放原则 3.1,模型缩放的常规原则 3.2,为低端设备缩放的tiny模型 3.3,为高端设备缩放的Large模 ...

  10. 使用Prometheus监控docker compose方式部署的ES

    需求 收集 ES 的指标, 并进行展示和告警; 现状 ES 通过 docker compose 安装 所在环境的 K8S 集群有 Prometheus 和 AlertManager 及 Grafana ...