我一直在思考最近点对问题的一个变体,该问题只提供已经计算出的距离集合作为可用信息(不允许按照x坐标对点进行排序)。
考虑4个点(A、B、C、D),以及以下距离:
dist(A,B) = 0.5
dist(A,C) = 5
dist(C,D) = 2
在此示例中,我不需要评估
dist(B,C)
或dist(A,D)
,因为可以保证这些距离大于当前已知的最小距离。
有可能使用这种信息将O(n²)减少到类似O(nlogn)吗?
如果接受某种近似解决方案,有可能将成本降低到接近O(nlogn)吗?在这种情况下,我考虑基于强化学习的技术,只有当强化次数趋于无穷大时才会收敛到真实解决方案,但对于较小的n提供了极佳的近似。
处理时间(通过大O符号衡量)并非唯一的问题。保留大量先前计算出的距离也可能成为问题。
想象一下对于具有10⁸个点的集合的这个问题。
我该寻找什么样的解决方案?这种问题以前解决过吗?
这不是教室问题或相关问题。 我一直在思考这个问题。
dist(A,B) = 0.5; dist(A,C) = 5
,B 和 C 可能最接近的情况是当 A、B 和 C 共线,并且顺序为 A、B、C。这导致dist(B,C) >= 4.5
,这比当前最短路径更长,因此无需评估。 - Trojan