Raz*_*orm 7 language-agnostic algorithm
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)
Run Code Online (Sandbox Code Playgroud)
什么是有效的算法来找到最接近所有其他点的点.
我只能想到一个暴力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)
Run Code Online (Sandbox Code Playgroud)
基本上看每一对点.
krj*_*ani 12
注意,在1-D中,最小化到所有点的距离之和的点是中值.
在二维中,问题可以解决O(n log n)如下:
创建一个排序的x坐标数组,并为数组中的每个元素计算选择该坐标的"水平"成本.元素的水平成本是投影到X轴上的所有点的距离之和.这可以通过扫描阵列两次(一次从左到右,一次在反方向)以线性时间计算.类似地,创建一个y坐标的排序数组,并为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.所以我们可以计算最佳点O(n).因此总运行时间是O(n log n).