转载 http://www.noobyard.com/article/p-hgxvwexi-kc.html
本文只讨论二维空间中的曼哈顿距离与切比雪夫距离
设平面空间内存在两点,它们的坐标为(x1,y1) (x2,y2) .
则
即两点横纵坐标差之和, 两点在南北方向上的距离加上在东西方向上的距离
如图所示,图中A,B 两点的曼哈顿距离为AC+BC=4+3=7
设平面空间内存在两点,它们的坐标为(x1,y1),(x2,y2)
则dis=max(|x1−x2|,|y1−y2|)
即两点横纵坐标差的最大值
dis=max(AC,BC)=AC=4
两者的定义看上去好像毛线关系都没有,但实际上,这两种距离可以相互转化!
我们考虑最简单的情况,在一个二维坐标系中,设原点为(0,0)
如果用曼哈顿距离表示,则与原点距离为1的点会构成一个边长为√2的正方形
如果用切比雪夫距离表示,则与原点距离为1的点会构成一个边长为2的正方形
仔细对比这两个图形,我们会发现这两个图形长得差不多,他们应该可以通过某种变换互相转化。
事实上,
将一个点(x,y)的坐标变为 后,原坐标系中的曼哈顿距离 == 新坐标系中的切比雪夫距离
将一个点(x,y)的坐标变为 后,原坐标系中的切比雪夫距离 == 新坐标系中的曼哈顿距离
切比雪夫距离在计算的时候需要取max,往往不是很好优化,对于一个点,计算其他点到该的距离的复杂度为O(n)
而曼哈顿距离只有求和以及取绝对值两种运算,我们把坐标排序后可以去掉绝对值的影响,进而用前缀和优化,可以把复杂度降为O(1) .