圆填充( CIRCLE PACKING)算法圆堆图圆形空间填充算法可视化

简介: 圆填充( CIRCLE PACKING)算法圆堆图圆形空间填充算法可视化

原文链接:http://tecdat.cn/?p=24658 


已经开发了大量确定性和随机性的圆填充算法点击文末“阅读原文”获取完整代码数据


圆填充Circle packing算法


  • RepelLayout 通过成对排斥迭代移动圆圈来搜索非重叠布局。圆的位置被限制在一个矩形区域内。为避免边缘效应,可以将边界区域视为环面,例如,推到左侧边缘的圆将重新进入右侧边缘的边界区域。这是一种非常简单且效率相当低的算法,但通常会产生良好的结果。
  • ProgressiveLayout 连续放置圆,使每个圆与先前放置的两个圆在外部相切。该算法是确定性的,尽管可以通过改变输入圆圈的顺序产生不同的布局。它非常高效,因此适用于处理大型数据集。
  • GraphLayout 试图找到满足输入邻接图的安排。实现是实验性的。

第一个例子

我们将首先创建一组不同大小的圆,然后找到可以用 ggplot 显示的非重叠排列。

首先,我们创建一组随机圆,位于边界正方形的中心部分,较小的圆比较大的圆更常见。我们将圆的大小表示为面积。

as <- reta(rcs ,5) * maxaa

接下来,我们尝试找到一个不重叠的排列,允许圆圈占据边界正方形的任何部分。返回值是一个包含布局元素和执行迭代次数的列表。

Layout(areass)

布局作为具有圆心坐标和半径的数据框返回。

head( layout )

我们将其转换为圆形顶点的数据集,用 ggplot 显示。

结果数据集有一个整数 id 字段,它对应于传递给 的原始数据中圆圈的位置。

head(dtg)

现在我们可以绘制布局了。

themebw()
thest(t)
ggplot(daa = d.g)

基于图的圆填充


圆填充的另一种方法是从指定圆的大小和相切(即哪些圆接触哪些其他圆)开始,然后搜索满足此要求的排列。

在下图中,左侧的图形表示所需的圆相切模式。圆 5、7、8 和 9 是 _内部的_,而其余圆圈是 _外部的_。右边的圆填充显示了符合输入图的圆圈排列。

切线图和结果堆积


GraphLayout 实现了算法的基本版本。下面的例子产生一个类似于上图的布局:

## 切线列表。矢量元素是圆 ID。
##每个向量的第一个元素是一个内圆
## 和随后的元素是它的邻居。
## 外圆半径。
data.frame(id )
## Layout 函数用于查找排列
##与\`internal\`指定的切线相对应的圆
## 和由 \`external\` 指定的外圆尺寸。结果是一个四列的 data.frame: id, x, y, radi。
##
 circleGraphLayout 
## 获取圆顶点的数据
 LayotVtics(laout,xyizcs = 2:4, dl = 1)
## 绘制带有 ID 注释的圆圈。
ggplot() +
  geom_olon()+
  
  ge_tet(data=ayo) +
  
  oal()

指定初始圆位置

在前面的示例中,我们将圆大小的向量传递给 RepelLayout,该函数通过将圆放置在靠近边界区域中心的位置,为圆随机分配起始位置。或者,我们可以预先指定初始位置。为了说明这一点,我们首先将所有圆圈放置在边界区域的一个角附近。

lLayout(dt.nt)


点击标题查阅往期内容


R语言在地图上绘制散点饼图可视化


01

02

image.png

03

image.png

04

image.png

接下来我们使用 ggplot 显示初始和最终布局。请注意,在我们的初始布局中,我们将圆的大小表示为面积,因此我们需要在调用Vertices 函数时指定 ,否则它假定大小是半径。

# 获取初始布局的顶点数据,其中大小是区域
dgil - ciLocs(dt., sieye = "area")
# 获取函数返回的布局的顶点数据 
# 尺寸是半径
a..i <- ciaoees(rlyout)
ggplot(data
   ge_pgon(couaa=0.3) +
  
   cor_el(xli=lis yl=imts)

移动和固定

RepelLayout 函数接受一个可选 weights 参数,以在布局算法的每次迭代中对圆的移动进行额外控制。该参数采用一个数值向量,其值在 0-1 范围内(此范围之外的任何值都将被限制为 0 或 1)。权重为 0 可防止圆完全移动,而权重为 1 则允许完全移动。

为了说明这一点,我们将从更早使用的数据集中选择几个圆圈,将它们放大并通过将它们的权重设置为 0.0 来固定它们的位置。

# 选择几个任意的圆圈
dai$ea\[las\] <- 2 * axa
# 重新生成初始圆的顶点数据,添加一列
# 表示一个圆是固定的还是自由的
dnta <- cres(dain, ste = "area")
dani$sae <- iflse(dtgtd %in% laid, "fixed", "free")
# 现在使用权重向量重新运行布局算法以固定位置
# 最大的圆
res <- cirtt.t
dgfal <- circes(es$aut)
plot(dta = da,as(x, y, grp=d, fl=ste)) +
  
  gen(coor)

请注意,在初始布局中重叠的固定圆在最终布局中仍然重叠。

相关文章
|
4月前
|
算法 测试技术 C++
【动态规划算法】蓝桥杯填充问题(C/C++)
【动态规划算法】蓝桥杯填充问题(C/C++)
|
6月前
|
搜索推荐 前端开发 数据可视化
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
本文介绍了一个基于Django框架、协同过滤算法、ECharts数据可视化以及Bootstrap前端技术的酒店推荐系统,该系统通过用户行为分析和推荐算法优化,提供个性化的酒店推荐和直观的数据展示,以提升用户体验。
237 1
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
|
6月前
|
数据采集 机器学习/深度学习 数据可视化
【优秀python web系统毕设】基于python的全国招聘数据分析可视化系统,包括随机森林算法
本文介绍了一个基于Python的全国招聘数据分析可视化系统,该系统利用数据挖掘技术、随机森林算法和数据可视化技术,从招聘网站抓取数据,进行处理、分析和预测,帮助用户洞察招聘市场,为求职者和企业提供决策支持。
323 2
|
8月前
|
存储 算法 Java
Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。
【6月更文挑战第21天】Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。二叉树遍历通过访问根、左、右子节点实现。DFS采用递归遍历图的节点,而BFS利用队列按层次访问。以下是简化的代码片段:[Java代码略]
60 4
|
4月前
|
数据可视化 搜索推荐 Python
Leecode 刷题笔记之可视化六大排序算法:冒泡、快速、归并、插入、选择、桶排序
这篇文章是关于LeetCode刷题笔记,主要介绍了六大排序算法(冒泡、快速、归并、插入、选择、桶排序)的Python实现及其可视化过程。
39 0
|
6月前
|
机器学习/深度学习 数据采集 数据可视化
基于python 机器学习算法的二手房房价可视化和预测系统
文章介绍了一个基于Python机器学习算法的二手房房价可视化和预测系统,涵盖了爬虫数据采集、数据处理分析、机器学习预测以及Flask Web部署等模块。
195 2
基于python 机器学习算法的二手房房价可视化和预测系统
|
6月前
|
算法
计算空间物体包围球的两种算法实现
计算空间物体包围球的两种算法实现
76 0
|
8月前
|
机器学习/深度学习 算法 测试技术
如何应对缺失值带来的分布变化?探索填充缺失值的最佳插补算法
该文探讨了缺失值插补的不同方法,比较了它们恢复数据真实分布的效果。文章指出,处理插补尤其在小样本或复杂数据时是个挑战,需要选择能适应数据分布变化的方法。文中介绍了完全随机缺失(MCAR)、随机缺失(MAR)和非随机缺失(MNAR)三种机制,并以一个简单的例子展示了数据分布变化。文章通过比较均值插补、回归插补和高斯插补,强调了高斯插补在重现数据分布方面更优。评估插补方法时,不应仅依赖于RMSE,而应关注分布预测,使用如能量距离这样的指标。此外,即使在随机缺失情况下,数据分布也可能因模式变化而变化,需要考虑适应这些变化的插补方法。
271 2
|
7月前
|
存储 算法 Python
“解锁Python高级数据结构新姿势:图的表示与遍历,让你的算法思维跃升新高度
【7月更文挑战第13天】Python中的图数据结构用于表示复杂关系,通过节点和边连接。常见的表示方法是邻接矩阵(适合稠密图)和邻接表(适合稀疏图)。图遍历包括DFS(深度优先搜索)和BFS(广度优先搜索):DFS深入探索分支,BFS逐层访问邻居。掌握这些技巧对优化算法和解决实际问题至关重要。**
69 1
|
6月前
|
算法 C++
空间中判断点在三角形内算法(方程法)
空间中判断点在三角形内算法(方程法)
81 0

热门文章

最新文章