Input: list of 2d points (x,y) where x and y are integers. Distance: distance is defined as the Manhattan distance. ie: def dist(p1,p2) return abs(p1.x-p2.x) + abs(p1.y - p2.y)
什么是找到最接近所有其他点的点的有效算法。
我只能想到蛮力O(n ^ 2)解决方案:
minDist=inf bestPoint = null for p1 in points: dist = 0 for p2 in points: dist+=distance(p1,p2) minDist = min(dist,minDist) bestPoint = argmin(p1, bestPoint)
基本上看每一点。
请注意,在一维中,使到所有点的距离之和最小的点是中位数。
在二维中,可以O(n log n)按以下方式解决问题:
O(n log n)
创建一个x坐标的排序数组,并为该数组中的每个元素计算选择该坐标的“水平”成本。元素的水平成本是到投影到X轴上所有点的距离之和。可以通过扫描阵列两次(从左到右一次,反向扫描一次)以线性时间计算。同样,创建一个排序的y坐标数组,并为该数组中的每个元素计算选择该坐标的“垂直”成本。
现在,对于原始数组中的每个点,我们可以O(1)通过添加水平和垂直成本来计算所有其他时间点的总成本。因此我们可以计算中的最佳点O(n)。因此,总运行时间为O(n log n)。
O(1)
O(n)