如何计算任意凸多边形中具有固定纵横比的最大对齐矩形的宽度/高度?
下图展示了不同凸多边形中此类矩形(红色)的示例(黑色):
我找到了一些与此相关的文章,但它们并不适合我的限制条件。这很奇怪,因为它们应该显著简化算法,但不幸的是我没有找到任何线索。
下图展示了不同凸多边形中此类矩形(红色)的示例(黑色):
![are presented on this image](https://istack.dev59.com/2d7K9.webp)
固定比例简化了问题,因为现在有一个线性规划。
你想找到x1、y1、x2、y2使x2 − x1最大,同时满足(x2 − x1) h = w (y2 − y1),其中宽高比为w:h,并且对于定义凸多边形的每个线性不等式,每个点(x1, y1)、(x1, y2)、(x2, y1)、(x2, y2)都满足它。
带有四个点(x_1, y_1)、(x_1, y_2)、(x_2, y_2)、(x_2, y_1)、宽高比为r=w/h并嵌套在上述多边形中的矩形的线性规划如下:
理论上,有专门的算法用于低维线性规划,可以在线性时间内运行。实践中,您可以将求解器应用于它。如果您想编写自己的代码,则可以使用单纯形法,但梯度下降更简单。
首先,通过在变量x、y、z上最大化z来消除等式约束和一个变量,并满足x1=(x−wz)、y1=(y−hz)、x2=(x+wz)、y2=(y+hz)的点-多边形约束。其次,我们要用一个目标项来交换这些约束。通常,点-多边形约束看起来像(半平面有符号距离)≤0。相反,我们将为目标应用一项惩罚项。让α>0为参数。新术语是−exp(α (带符号距离到半平面))。如果有符号距离为负(点在半平面内),则当α趋于无穷大时,惩罚将趋近于零。如果符号距离为正,则惩罚项趋向于负无穷大。如果我们使α足够大,则转换问题的最优解将近似可行。
以下是Python代码。我不是连续优化专家,所以要注意风险。
# Aspect ratio.
w = 3
h = 2
# Represented as intersection of half-spaces a*x + b*y - c <= 0 given below as
# (a, b, c). For robustness, these should be scaled so that a**2 + b**2 == 1,
# but it's not strictly necessary.
polygon = [(1, 1, 20), (1, -2, 30), (-2, 1, 40)]
# Initial solution -- take the centroid of three hull points. Cheat by just
# using (0, 0) here.
x, y, z = (0, 0, 0)
from math import exp
# Play with these.
alpha = 10
rate = 0.02
for epoch in range(5):
for iteration in range(10 ** epoch, 10 ** (epoch + 1)):
# Compute the gradient of the objective function. Absent penalties, we
# only care about how big the rectangle is, not where.
dx, dy, dz = (0, 0, 1)
# Loop through the polygon boundaries, applying penalties.
for a, b, c in polygon:
for u in [-w, w]:
for v in [-h, h]:
term = -exp(alpha * (a * (x + u * z) + b * (y + v * z) - c))
dx += alpha * a * term
dy += alpha * b * term
dz += alpha * (a * u + b * v) * term
x += rate * dx
y += rate * dy
z += rate * dz
print(x, y, z)
提示:
不失一般性,矩形可以是正方形(必要时拉伸空间)。
然后,在Chebyshev度量(L∞)下,解决方案由到多边形的距离图的最高点给出。它可以从中轴变换中确定,而中轴变换本身则是从Voronoi图获得的。