【滑动窗口】C++算法:可见点的最大数目

简介: 【滑动窗口】C++算法:可见点的最大数目

LeetCode 1610可见点的最大数目

给你一个点数组 points 和一个表示角度的整数 angle ,你的位置是 location ,其中 location = [posx, posy] 且 points[i] = [xi, yi] 都表示 X-Y 平面上的整数坐标。

最开始,你面向东方进行观测。你 不能 进行移动改变位置,但可以通过 自转 调整观测角度。换句话说,posx 和 posy 不能改变。你的视野范围的角度用 angle 表示, 这决定了你观测任意方向时可以多宽。设 d 为你逆时针自转旋转的度数,那么你的视野就是角度范围 [d - angle/2, d + angle/2] 所指示的那片区域。

对于每个点,如果由该点、你的位置以及从你的位置直接向东的方向形成的角度 位于你的视野中 ,那么你就可以看到它。

同一个坐标上可以有多个点。你所在的位置也可能存在一些点,但不管你的怎么旋转,总是可以看到这些点。同时,点不会阻碍你看到其他点。

返回你能看到的点的最大数目。

示例 1:

输入:points = [[2,1],[2,2],[3,3]], angle = 90, location = [1,1]

输出:3

解释:阴影区域代表你的视野。在你的视野中,所有的点都清晰可见,尽管 [2,2] 和 [3,3]在同一条直线上,你仍然可以看到 [3,3] 。

示例 2:

输入:points = [[2,1],[2,2],[3,4],[1,1]], angle = 90, location = [1,1]

输出:4

解释:在你的视野中,所有的点都清晰可见,包括你所在位置的那个点。

示例 3:

输入:points = [[1,0],[2,1]], angle = 13, location = [1,1]

输出:1

解释:如图所示,你只能看到两点之一。

提示:

1 <= points.length <= 105

points[i].length == 2

location.length == 2

0 <= angle < 360

0 <= posx, posy, xi, yi <= 100

滑动窗口

时间复杂度😮(nlogn),瓶颈在排序。

vSee记录了除重合点外,所有点的弧度。注意:angle是角度,要转化成弧度dAngle。

[d - angle/2, d + angle/2] 令d1=d-angle/2,则视野范围为[d1,d1+dAngle/2],d1+dAngle/2可能超过2PI,那样需要查询两次。可以将[2PI,2PI+dAngle]也加到vSee中。这样值需要查询一次。

枚举d1,取值范围为[0,2PI)。

站着的位置点,任何角度都可以看到。

代码

核心代码

class Solution {
public:
  int visiblePoints(vector<vector<int>>& points, int angle, vector<int>& location) {
    vector<double> vSee;
    const double PI = 3.1415926;
    const double dAngel = angle / 180.0 * PI;
    int iLocPointCount = 0;//和人重合的点,任何角度都可以看到
    for (const auto& v : points)
    {
      if ((v[1] == location[1]) && (v[0] == location[0]))
      {
        iLocPointCount++;
        continue;
      }
      double dAng = atan2(v[1] - location[1], v[0] - location[0]);
      vSee.emplace_back(dAng);
    }
    sort(vSee.begin(), vSee.end());
    for (int i = 0; (i < vSee.size()) && (vSee[i] <= dAngel); i++)
    {
      vSee.emplace_back(vSee[i] + PI * 2);
    }
    int iRet = 0;
    for (int i = 0,right=0; (i < vSee.size()) && (vSee[i] < PI*2); i++)
    {
      while ((right < vSee.size()) && (vSee[right] <= vSee[i] + dAngel))
      {
        right++;
      }
      iRet = max(iRet, right - i);
    }
    return iRet+ iLocPointCount;
  }
};

测试用例

template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
  if (v1.size() != v2.size())
  {
    assert(false);
    return;
  }
  for (int i = 0; i < v1.size(); i++)
  {
    Assert(v1[i], v2[i]);
  }
}
int main()
{
  vector<vector<int>> points;
  int angle;
  vector<int> location;
  {
    Solution sln;
    points = { {1,2},{1,3},{1,0} }, angle = 13, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(2, res);
  }
  {
    Solution sln;
    points = { {1,2},{1,-1},{1,0} }, angle = 13, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(2, res);
  }
  {
    Solution sln;
    points = { {1,2},{1,3},{1,0} }, angle = 13, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(2, res);
  }
  {
    Solution sln;
    points = { {3,1},{2,1},{0,1} }, angle = 13, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(2, res);
  }
  {
    Solution sln;
    points = { {2,1},{-1,1},{0,1} }, angle = 13, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(2, res);
  }
  {
    Solution sln;
    points = { {2,1},{2,2},{3,3} }, angle = 90, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(3, res);
  }
  {
    Solution sln;
    points = { {2,1},{2,2},{3,4},{1,1} }, angle = 90, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(4, res);
  }
  {
    Solution sln;
    points = { {1,0},{2,1} }, angle = 13, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(1, res);
  }
  {
    Solution sln;
    points ={ {1,1},{2,2},{3,3},{4,4},{1,2},{2,1} }, angle = 0, location = { 1,1 };
    auto res = sln.visiblePoints(points, angle, location);
    Assert(4, res);
  }
}

2023年4月

class Solution {
public:
int visiblePoints(vector& points, int angle, vector& location) {
const double PI = 3.1415926;
int iSelfPoints = 0;
std::vector dAngles;
for (const auto& v : points)
{
if ((v[0] == location[0]) && (v[1] == location[1]))
{
iSelfPoints++;
continue;
}
dAngles.emplace_back(atan2(v[1] - location[1], v[0] - location[0]));
}
std::sort(dAngles.begin(), dAngles.end());
int iPointSize = dAngles.size();
for (int i = 0; i < iPointSize; i++)
{
dAngles.emplace_back(dAngles[i] + PI * 2);
}
int iRet = 0;
double dRange = angle / 180.0 * PI;
for (int i = 0; i < iPointSize; i++ )
{
int iCurNum = std::upper_bound(dAngles.begin() + i, dAngles.end(), dAngles[i]+dRange) - dAngles.begin() - i ;
iRet = max(iRet, iCurNum);
}
return iRet + iSelfPoints;
}
};


扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17

如无特殊说明,本算法C++ 实现。

相关文章
|
2月前
|
存储 算法 C++
高精度算法(加、减、乘、除,使用c++实现)
高精度算法(加、减、乘、除,使用c++实现)
670 0
高精度算法(加、减、乘、除,使用c++实现)
|
2月前
|
算法 数据处理 C++
c++ STL划分算法;partition()、partition_copy()、stable_partition()、partition_point()详解
这些算法是C++ STL中处理和组织数据的强大工具,能够高效地实现复杂的数据处理逻辑。理解它们的差异和应用场景,将有助于编写更加高效和清晰的C++代码。
45 0
|
2月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
2月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)
|
2月前
|
机器学习/深度学习 人工智能 算法
【算法】最长公共子序列(C/C++)
【算法】最长公共子序列(C/C++)
|
2月前
|
人工智能 算法 BI
一篇带你速通差分算法(C/C++)
一篇带你速通差分算法(C/C++)
|
2月前
|
人工智能 算法 C++
一篇带你速通前缀和算法(C/C++)
一篇带你速通前缀和算法(C/C++)
|
2月前
|
存储 算法 C++
弗洛伊德(Floyd)算法(C/C++)
弗洛伊德(Floyd)算法(C/C++)
|
17天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
3天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。