12-凸包模板-计算几何

先说我对找凸包上的点时的理解: 
P,A,B三个点,通过叉乘可以得知P,A,B的位置关系 
AB × AP = |AB| * |AP| * sin∠PAB. 
方向是A到B,A到P。 
如果>0,那就是P在线AB左边,<0就是在右边,=0就是在线上。 
为什么可以这样判断呢,AB × AP = |AB| * |AP| * sin∠PAB P在AB的左边,则∠PAB在0°到180°之间 sin∠PAB > 0 P在AB右边时,则∠PAB在-180°到0°之间 sin∠PAB < 0 因此,我们只要用AB和AP的叉积的正负,就可以判断P和AB的相对位置(AP相对AB是顺时针还是逆时针旋转)。 
这里写图片描述 
这里我想说一下我的理解吧。 
为什么说一个点在线的左边就是凸包上的点呢,这个要先规定线的方向,当方向确定才能去说左边,右边。因为p0是最下边的点,通过极角排序后,咱们从X正半轴向上扫,注意叉乘公式,这个公式给了点之间的方向。所以这时候都是以左边称。一个三角形,只有一个点在所有边的左边才能定这个点在凸包内。那出现一个右边的点那就不行。举例来说有很多点,p0,p1,p2,p3…. 
当你知道了p0,p1是凸包上的点,通过计算发现p2在线p0p1的左边,此时线p0p1的右边是没有点的,当你手绘凸包时,线p0p1右边没有了点,那么当前知道的它左边的点就是凸包上的点,我管这个点叫凸包待定点,因为目前只计算了p2,通过计算p2的下一个点p3可以验证p2到底是不是凸包确定点。 

总结:就是先逆时针排序,选取最下最左的点为第一个点,然后按顺序取点,左拐就放入,继续走,右拐则就要回退,一直退到左拐为止。

#define N 10005 

int n,tot;//n为二维平面上点的个数,tot为凸包上点的个数  
struct node  {  
    int x,y;  
}a[N],p[N]; //p[]用来储存凸包

double dis(node a1,node b1){  //两点间距离公式 
    return (a1.x-b1.x)*(a1.x-b1.x)+(a1.y-b1.y)*(a1.y-b1.y);  
} 

//叉积:返回结果为正说明p2在向量p0p1的左边(三点构成逆时针方向);
//为负则相反;为0则三点共线(叉积的性质很重要)
double multi(node p0,node p1,node p2){ // 
    return (p1.x-p0.x)*(p2.y-p0.y)-(p2.x-p0.x)*(p1.y-p0.y);  
}  

//极角排序:极角排序是根据坐标系内每一个点与x轴所成的角,逆时针比较。按照角度从小到大的方式排序
int cmp(node p1,node p2){  //极角排序;
    int x=multi(p1,p2,a[0]);  
    if(x>0||(x==0&&dis(p1,a[0])<dis(p2,a[0]))) 
		return 1;  
    return 0;  
} 

void Graham(){  //求凸包 
    int k=0;          
    for(int i=0;i<n;i++)   //找到最下最左的一个点 
        if(a[i].y<a[k].y||(a[i].y==a[k].y&&a[i].x<a[k].x)) 
			k=i;  
    swap(a[0],a[k]);       //将其设置为第一个点 
    sort(a+1,a+n,cmp);     
    tot=2,p[0]=a[0],p[1]=a[1];  //p[]模拟栈,用来储存凸包
    for(int i=2;i<n;i++){  
        while(tot>1&&multi(p[tot-1],p[tot-2],a[i])>=0) 
			tot--;     //右拐就回退 
        p[tot++]=a[i]; //左拐就放入  
    }  
}  

double getArea(){
	struct node b[3];
	b[0] = p[0], b[1] = p[1], b[2] = p[2];
	double area = 0;
	for(int i = 2; i < tot; i++){
		area += multi(b[0], b[1], p[i]) / 2.0;
		b[1] = p[i];
	}
	return area;
}

  

 

转载于:https://www.cnblogs.com/zhumengdexiaobai/p/9529093.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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
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