力扣 611. 有效三角形的个数

本文介绍了一种高效算法,用于确定给定数组中能够形成三角形的组合数量。通过数组排序,并采用二分查找或扫描线技术来降低时间复杂度,从而实现O(n^2logn)或O(n^2)的解决方案。

题目来源:https://leetcode-cn.com/problems/valid-triangle-number/

大致题意:
给出一个数组,判断数组的数作边能组成多少个三角形。

思路

三角形满足的条件:任意两条边的和大于第三边。
于是,我们可以在数组中取两个数,然后再枚举其他数有多少满足条件。

排序 + 二分

如果一个个数枚举,时间复杂度将为O(n^3)。
可以将数组排序后,然后使用二重循环枚举两个数,然后在剩余的数中二分查找最大的 小于 之前两个数的和数的位置该位置的数以及其与两个数中间的数都满足三角形的条件。
这样时间复杂度为O(n^2 logn)

排序加扫描线

该方法和上个方法几乎一致。
不过上个方法是二分查找满足条件的第三个数,该方法使用扫描线,整体时间复杂度为O(n^2)。

在本方法中,使用二重循环枚举出两个较小数 nums[i] 和 nums[j] 后,从前往后枚举出合适的 nums[k],保证 nums[k] < nums[i] + nums[j]。
当 当前的nums[k]不满足条件时,则直接将 k - j 个数目统计入三角形数目。
在下一轮遍历中,nums[i] 不变,新的 nums[j] 大于之前的,那么同样 nums[k] 也应大于之前的才能满足条件 nums[k] < nums[i] + nums[j]。
故只需两轮遍历。

代码:

public int triangleNumber(int[] nums) {
        Arrays.sort(nums);
        int ans = 0;
        int n = nums.length;
        // 方法一:排序+二分
        // for (int i = 0; i < n - 2; i++) {
        //     for (int j = i + 1; j < n - 1; j++) {
        //         int sum = nums[i] + nums[j];
        //         int pos = j;
        //         int left = j + 1;
        //         int right = n - 1;
        //         while (left <= right) { // 二分查找最大的满足条件的pos
        //             int mid = (left + right) / 2;
        //             if (nums[mid] > sum) {
        //                 pos = mid;
        //                 left = mid + 1;
        //             }
        //             else {
        //                 right = mid - 1;
        //             }
        //         }
        //         ans += pos - j; // 累计数目
        //     }
        // }
        // 方法二:排序 + 扫描线
        for (int i = 0; i < n - 2; i++) {
            int k = i + 1; // 第三个数
            for (int j = i + 1; j < n - 1; j++) {
                
                while (k+1 < n && nums[k+1] < nums[i] + nums[j]) { // 枚举第三个数
                    k++;
                }
                ans += Math.max(k - j, 0); // 防止统计负数
            }
        }
        return ans;
    }
### Delaunay 三角剖分中计算三角形数量的方法 在 Delaunay 三角剖分中,计算生成的三角形数量可以通过理论推导以及实际实现来完成。以下是详细的说明: #### 理论基础 对于平面上的一组离散点集 \( P \),假设这些点满足一般位置条件(即任意三点不共线),则通过 Delaunay 三角剖分可以得到一系列互不重叠的三角形[^1]。如果点集中有 \( n \) 个点,则生成的三角形数量可以根据欧拉公式进行估算。 设: - \( V \): 点的数量 (\( |P| = n \)) - \( E \): 边的数量 - \( F \): 面(三角形)的数量 根据平面图的欧拉公式 \( V - E + F = 2 \)[^3],我们可以进一步分析三角剖分的特点。通常情况下,在 Delaunay 三角剖分中,边界上的边不会形成封闭区域,因此需要调整公式的应用范围。 最终得出结论:当点集位于凸包上时,Delaunay 三角剖分产生的三角形数量大约为 \( 2n - h - 2 \),其中 \( h \) 是点集构成的凸壳顶点数。 #### 实现方法 在具体实现过程中,可以直接统计由算法生成的有效三角形单元数目。例如 OpenCV 的 `Subdiv2D` 类提供了构建 Delaunay 三角剖分的功能[^4]。下面是一个简单的代码示例展示如何获取三角形总数: ```cpp #include <opencv2/opencv.hpp> #include <vector> int main() { std::vector<cv::Point2f> points = { /* 插入你的二维坐标 */ }; cv::Subdiv2D subdiv(cv::Rect(0, 0, 1000, 1000)); // 初始化细分对象 for(auto &pt : points){ subdiv.insert(pt); // 将每个点加入到子划分结构里 } std::vector<std::vector<cv::Point2f>> triangleList; subdiv.getTriangleList(triangleList); int numTriangles = triangleList.size(); // 获取三角形列表大小作为计数值 } ``` 上述程序片段展示了利用 OpenCV 库执行 Delaunay 三角化并提取三角形集合的过程。注意这里忽略了无穷远点的影响,仅保留有限域内的有效数据。 #### 特殊情况处理 需要注意的是,某些特殊场景下可能会引入额外的虚拟节点或者扩展至三维空间的情况,这可能会影响最终的结果判定标准[^2]。此时应依据实际情况修正模型参数设定。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

三更鬼

谢谢老板!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值