Изменения

== Нахождение любого пути между точками с препятствиями =={{ptready}}|align="right"<div style|-valign="background-colortop"|[[Файл: #ABCDEF; font-sizetrap.png|200px|thumb|right|Путь с препятствиями через трапецоидную карту]]|[[Файл: 16px; font-weight: bold; color: #000000; text-align: center; padding: 4px; border-style: solid; border-width: 1px;">Эта статья находится в разработке!</div>notShort.png|300px|thumb|right|Такой путь не самый короткий]]|}<includeonly>Для начала рассмотрим движение материальной точки. Случай, когда размером и формой движимого объекта пренебречь нельзя, будет рассмотрен [[Категория: В разработкеVisibility graph и motion planning#Motion planning|позднее]]</includeonly>.

== Visibility graph ==Эту задачу можно решить с помощью [[Файл:trap.pngТрапецоидная карта |200px|thumb|left|Путь с препятствиями через трапецоидную картутрапецоидной карты]][[Файл:notShort.png|300px|thumb|right|Такой По ней строится граф, ребра которого соединяют центры трапедоидов, а также начальную и конечную вершины с серединами вертикальных сторон трапецоидов. В таком графе ищется путь не самый короткий]]между начальной и конечной вершинами.

Если точки лежат внутри одного трапецоида {{---}} ответ найден. Иначе идём из стартовой точки в центр её трапецоида, далее по построенным рёбрам ищем трапецоид содержащий финальную точку. Для этого можно использовать поиск в ширину или другой алгоритм нахождения кратчайшего пути в графе. В общемконечном итоге, когда мы ищем соединяем середину последнего трапецоида с конечной вершиной. Данный алгоритм работает за <tex> O(n \log n) </tex> и за линейное количество памяти и хорошо подходит для нахождения какого-нибудь пути между парой данных вершин. Но если нужно найти кратчайший путь от точки , этот алгоритм не подходит, хоть и работает быстро. Однако, решения нахождения кратчайшего пути в лучшем случае работают за <tex> S O(n^2) </tex> до времени и памяти (здесь и далее <tex> T n </tex> {{---}} количество всех вершин). == Нахождение кратчайшего пути между точками с препятствиями ===== Visibility graph ===Рассмотрим точное решение нахождения кратчайшего пути на плоскости между двумя точками с полигональными препятствиями (надо уточнитьс помощью построения графа видимости. После его построения, что двигаем мы точкукак и в случае с трапецоидной картой, а не какой-то полигон)кратчайший путь ищется любым стандартным алгоритмом поиска (например, можно построить алгоритмом [[Трапецоидная карта Алгоритм Дейкстры| трапецоидную картуДейкстры]], соединить ребрами середины вертикальных сторон с центрами трапецоидов и в этом графе или [[Алгоритм Дейкстры A*| ДейкстройA*]] найти путь от <tex> S </tex> до <tex> T </tex>). Но этот путь не будет кратчайшим(кэп) Для простоты рассуждений начальную и конечную вершины будем считать вершинами полигонов.

Любой кратчайший путь от <tex> S </tex> до <tex> T </tex> между двумя вершинами с полигональными препятствиями представляет собой ломаную, вершины которой {{---}} вершины полигонов.

[[Файл:short.png|150px|thumb|right|Ну в общем тут все очевидноShort cut]]Пусть кратчайший путь проходит(в смысле вершины) через какую{{---то другую точку}} не ломаная. В таком случае, на пути существует такая точка <tex> p </tex>, которая не принадлежит ни одному прямому отрезку. Рассмотрим Это означает, что существует <tex>\epsilon</tex>-окрестность этой точки<tex> p </tex>, в которую не попадает ни одно препятствие (случай, когда точка попала на ребро рассматривается аналогично). По В таком случае, подпуть, который находится внутри <tex>\epsilon</tex>-окрестности, по неравенству треугольника мы сможем немножкоможет быть сокращён по хорде, да срезатьсоединяющий точки пересечения границы <tex>\epsilon</tex>-окрестности с путем. Значит этот Раз часть пути может быть уменьшена, значит и весь путь может быть уменьшен, а значит исходное предположение некорректно.}}{{Определение|definition =Говорят, что вершина <tex> u </tex> ''видна'' (англ. mutually visible) из <tex> v </tex>, если отрезок <tex> uv </tex> не кратчайшийпересекает ни одного препятствия.}}{{Определение|definition =''Граф видимости'' (англ. Противоречиеvisibility graph) {{---}} граф, значит лемма доказана вершины которого {{---}} вершины полигонов. Между вершинами <tex> u </tex> и все офигенно<tex> v </tex> существует ребро, если из <tex> u </tex> видна <tex> v </tex>.

По этой лемме запилим visibility graphВ худшем случае в таком графе может быть <tex> O(n^2) </tex> ребер. Однако по некоторым ребрам кратчайший путь точно не пройдет, и такие ребра из графа можно удалить. Его вершины  {{---}} Лемма|about=О неиспользуемых вершинах|statement=[[Файл:edgeToDelete.png|150px|thumb|right|Удаляем <tex> BD </tex>]]# Если существуют вершины полигонов. Между вершинами <tex> u A, B, C </tex> одного препятствия и вершина <tex> v D </tex> существует ребротакая, если из что поворот <tex> u DBA </tex> не совпадает с поворотом <itex> видна DBC </itex>(mutually visible) , то ребро <tex> v DB </tex> не принадлежит кратчайшему пути и его можно удалить из графа. (ребра полигонов тоже входят в этот графСм. поясняющую картинку справа)# Все внутренние вершины, кроме вырожденного случая, (начальная/конечная точка лежит внутри выпуклой оболочки фигуры)можно игнорировать.|proof=[[Файл:edgeNotToDelete. Теперьpng|200px|thumb|right|Не удаляем <tex> BS </tex>]]# Путь проходящий через ребро <tex> BD </tex> будет длиннее, если мы добавим к множеству вершин чем через соседей точки <tex> S B </tex> и , так как по неравенству треугольника <tex> T AB + BD > AD </tex> (и ребра в видимые вершины)# Если случай не вырожденный, у нас получится графзначит заход внутрь фигуры только увеличит суммарный путь, в котором опять же Дейкстрой находим кратчайший путьтак как по неравенству треугольника расстояние между соседними выпуклыми вершинами всегда меньше суммы расстояний с учётом внутренней. }} По лемме доказанным леммам любое ребро кратчайшего пути {{---}} ребро visibility графасодержится в графе. Таким образом, так что мы нашли то, что нужнодля нахождения кратчайшего пути осталось найти кратчайший путь в этом графе от начальной до конечной вершины.

==== Наивный алгоритм. <tex> O(n ^ 3) </tex> ====Если делать <s> в тупую</s> наивно, т. е. для Для каждой пары вершин проверять проверяем, можно ли добавить ли такое ребро(между ними, то есть нет ли пересечений с полигонами. <tex> O(n^2) </tex> пар вершин и <tex> O(n)</tex> ребер, будет то есть <tex> O(n^3) </tex> (зато просто пилится).[[Файл:search.png|400px|thumb|right|Дерево поиска пересекаемых ребер]]==== Lee’s Algorithm. <tex> O(n ^ 2 \log n) </tex> ===={||[[Файл:Zam.png|300px|thumb|left|Заметание плоскости вращающимся лучом]]Однако можно это сделать за <tex> O(n ^ 2 \log n) </tex>. Пусть мы хотим Идея алгоритма проста: для каждой вершины найдем видимые из нее вершины . Если научиться делать это за <tex> v O(n \log n) </tex> найти все видимые из нее вершины. Теперь мы будем перебирать ребра не в случайном порядке, а задача решена, так чтобы можно было проверять за логарифмкак всего точек <tex> n </tex>.

Для этого посортим все каждой вершины по полярному углу (будем рассматривать только теправую половину плоскости, так как ребра, которые справа нашейдолжны идти в левую половину, ибо очевиднобудут исходить из вершин, что назад можно уже не смотреть) и запилим сбалансированное двоичное дерево поискадля которых текущая вершина будет справа.

Вершин у нас Переформулируем задачу. Дано: точка <tex> O(n) v </tex>и множество отрезков {{---}} ребер препятствий. Найти: множество концов отрезков, сортим за <tex> O(n \log n) видимых из </tex> плюс запросы в дереве за <tex> O(n) * O(\log n) v </tex>. Итого что хотели.

==== Для решения этой задачи будем использовать заметающий луч с началом в точке <tex> O(n ^ 2) v </tex> ====Каким-то магическим образом. Его статусом будут отрезки, которые его пересекают, можно избавиться и упорядоченные по возрастанию расстояния от логарифма в асимптотике. Это делается с помощью [http:точки <tex> v <//bit.ly/1eEqTzk rotation tree]tex> до точки пересечения. Про него рассказывал Антон Ков., но как-то мутно и не очень понятно. Суть такова, что мы обходим вершины в таком хитром порядке, что почти не просматриваем лишнее и получаем асимптотику {{---}} квадратТочками событий будут концы отрезков.

Короче тут мы делаем Пустим луч из рассматриваемой вершины <tex> v </tex> вертикально вверх и добавим в статус все отрезки, которые он пересекает, по увеличению расстояния до них. Теперь будем рассматривать точки <tex> w \in V </tex> в порядке сортировки по углу между <tex> v </tex> и вертикальной полуосью <tex> l </tex>. При таком обходе для проверки видимости вершины достаточно проверить пересечение с ближайшим к <tex> v </tex> отрезком, то есть первым в статусе(так как отрезки отсортированы по расстоянию до них). Действительно, если вершина <tex> w </tex> не видна, то же самоеотрезок <tex> vw </tex> пересекает несколько отрезков, что лежащих перед <tex> w </tex>, а значит и ближайший. В противном случае все пересекаемые лучом отрезки лежат за вершиной <tex> w </tex> и н2логн, только сортим пересечения отрезка <tex> vw </tex> с ближайшим отрезком не для каждой будет. Вне зависимости от видимости вершины отдельно, а рассматриваем необходимо изменить статус заметающего луча. Для этого необходимо удалить из статуса все отрезки, которые заканчиваются вершине <tex> w </tex> (лежат слева от прямой <tex> vw </tex>) и добавить все одновременноотрезки, которые в ней начинаются (лежат справа от прямой <tex> vw </tex>).

"The idea is simple===== Псевдокод ===== graph buildVisibilityGraph(Set<Segment> segments) vertices = getVertices(segments) <tex> \cup\ \{s,\ t\} </tex> graph = visibilityGraph(vertices) '''for''' Vertex <tex>v</tex> '''in''' vertices '''for''' Vertex <tex>w</tex> '''in''' getVisibleVertices(<tex>v</tex>, segments) visibilityGraph.addEdge(<tex>v</tex>, <tex>w</tex>) '''return''' visibilityGraphЗдесь функция getVisibleVertices(<tex> v </tex>) возвращает все видимые из <tex> v </tex> вершины и выглядит так: Set<Vertex> getVisibleVertices(Vertex <tex>v</tex>, Set<Segment> segments) Set<Vertex> answer '''for each vertex''' Segment <tex>s</tex> '''in''' segments '''if''' intersect(<tex> s </tex>, a scanline is kept which runs from <tex> -\pi l </tex>) status.add(<tex>s</ 2 tex>) '''for''' Point <tex>w</tex> to '''in''' segments '''if''' <tex> v.x \pi leqslant w.x</ 2 tex> currentVertices.add(<tex>w</tex>) sort(currentVertices) by angle '''for''' Point <tex>w</tex> hopping from vertex to vertex '''in its path. During the main loop''' currentVertices '''if''' '''not''' intersect(<tex>vw</tex>, it appears that all of the scanlines are proceeding simultaneouslystatus. In fact, there are exact rules about determining the next vertex to process, and some vertices may finish their scan before othersclosest) answer. To understand the rules about finding the next vertex, the rotation tree must be understoodadd(<tex>w</tex>) '''for''' Segment <tex>s</tex> ending in <tex>w</tex> status. A rotation tree is a rooted planar tree where each vertex is a node and points to its parentdelete(<tex>s</tex>) '''for''' Segment <tex>s</tex> beginning in <tex>w</tex> status. There are two special nodes: add(<tex>s</tex>) '''return''' answerВ качестве статуса нужно использовать структуру данных, позволяющую добавлять и удалять из нее отрезки за <tex> +O(\infty log n) </tex> and и извлекать минимум за <tex> O(1) </tex> -или <tex> O(\infty log n) </tex>. InitiallyВ этом случае достигается асимптотика <tex> O(n^2 \log n) </tex>, all vertices point to так как для каждой из <tex> n </tex> точек выполняется сортировка за <tex> -O(n \infty log n) </tex> as their parent and , обновление статуса (суммарно <tex> -O(n \infty log n) </tex> points to , так как каждый отрезок добавляется и удаляется из статуса не более одного раза) и запросы ближайшего отрезка (<tex> +O(\infty log n) </tex>. Also stored is the rightmost child или <tex> O(if a node is a parent1)</tex> на точку, and its right and left siblings то есть <tex> O(if they existn \log n). The ordering of children is by slope: the one with the smallest slope is the leftmost. The loop that examines all pairs simply takes the rightmost leftmost leaf as the next segment to process and then reattaches it to the tree </tex> или <tex> O(while maintaining the property of being a rotation treen) </tex>). It can reattach to the left of its parent or to the tangent of the chain above it|[[Файл:Zamrefr1. When a vertex attaches to png|250px|thumb|right|Обновление статуса заметающего луча: добавляем ребра <tex> w_1 w_5 </tex> и <tex> +\infty w_1 w_2 </tex>, it is finishedв статус]][[Файл:Zamrefr2. The loop continues when all points have attached to png|250px|thumb|right|Добавляем ребра <tex> w_3 w_2 </tex> и <tex> +\infty w_3 w_4 </tex>"в статус]][[Файл:Zamrefr3.png|250px|thumb|right|Удаляем ребра <tex> w_3 w_2 </tex> и <tex> w_1 w_2 </tex> из статуса]]|}

В общем тут все очевидно[[Файл:mink.png|200px|thumb|left|Изменяем препятствия]][[Файл:mink2. Тут мы просто двигаем не точкуpng|400px|thumb|right|Ищем путь для точки]]Рассмотрим задачу нахождения кратчайшего пути, а произвольный когда движимый объект {{---}} это выпуклый полигон. Например, робот, которого надо доставить из начальной в конечную точку. Если мы его не можем полигон вращатьнельзя, задачу сводится к движению точки так: выбирается точка на полигоне, просто "обводим" которая принимается за начало координат. В такой системе координат для каждого препятствия нашим считается [[Сумма Минковского (определение, вычисление)|сумма Минковского]] с полигоном (запиливаем . Получаются бОльшие препятствия, но теперь достаточно двигать выбранную точку, что было описано выше. Если полигон можно вращать, задача нахождения ''кратчайшего'' пути становится достаточно ресурсоёмка, поэтому обычно рассматривают задачу нахождения какого-нибудь пути между конечными точками. Первый шаг решения этой задачи совпадает с предыдущим случаем: выберем точку и построим [[Сумма Минковского (определение, вычисление)|сумму Минковского]] препятствий с полигоном. Рассмотрим малый угол <tex> \epsilon </tex>. Представим, что поворот полигона на этот угол {{---}} это движение вверх-вниз между слоями, на каждом из которых посчитана сумма Минковского с полигоном, повернутым на этот угол. На каждом слое построим трапецоидную карту и полигонаграф, как описано в [[Visibility graph и motion planning#Нахождение пути между точками с препятствиями|начале]]. Если [[Пересечение многоугольников (PSLG overlaying) |пересечь]] соседние слои и получаем другие препятствиядобавить между их графами ребра, получится один большой граф, но зато теперь мы двигаем точку. А это мы уже научились делать вышев котором ищется кратчайший путь.

Если же этот полигон можно вращатьПри таком подходе может возникнуть ошибка при пересечении слоев: на каждом слое состояния будут допустимые, то делаем примерно то же самоеа осуществить поворот физически будет невозможно. Обычно, эту проблему решают двумя способами: измельчением угла поворота и изначальным сглаживанием углов полигона. Первый способ повышает не только как-то по-хитромуточность решения, но и вычислительную сложность задачи. Нам про этоВторой подход практически исключает возможность нахождения пути, кажетсякогда его нет, не рассказывали(или рассказывали так же:))но повышает вероятность "ненахождения" пути, когда он есть.

== Источники информации ==* Mark de Berg, Otfried Cheong, Marc van Kreveld, Mark Overmars (2008), Computational Geometry: Algorithms and Applications (3rd {{---}} Third edition){{---}} Springer, Springer2008. {{---}} Chapter 15. {{---Verlag, }} ISBN 978-3-540-77973-5 Chapter 15 page 324-331* [http://www.academia.edu/2845047/3D_Visibility_Graph not_badAcademia.jpg статья про visibility graphsedu]{{---}} 3D Visibility Graph* [http://habrahabr.ru/post/199256/ Хабрахабр] {{---}} Motion planning: граф видимости, дорожные карты* [http://igitur-archive.library.uu.nl/math/2006-1214-201604/overmars_88_new_methods.pdf igitur-archive.library.uu.nl] {{---}} Visibility graph при помощи rotation tree за <tex>O(n^2)</tex>.