本文介绍了切比雪夫距离和曼哈顿距离的概念，并揭示了两者之间的转换关系。通过举例说明如何从曼哈顿距离转换为切比雪夫距离，以及在面对非整数情况时如何处理。同时提到了两道相关的竞赛题目，用于展示这种距离在实际问题中的应用。
切比雪夫距离和曼哈顿距离
众所周知两个点 ( x 1 , y 1 ) , ( x 2 , y 2 ) (x_1, y_1), (x_2, y_2) (x1,y1),(x2,y2) 的曼哈顿距离是 ∣ x 1 − x 2 ∣ + ∣ y 1 − y 2 ∣ |x_1 - x_2| + |y_1 - y_2| ∣x1−x2∣+∣y1−y2∣。
显然我们可以通过不等式去掉绝对值 max ( ∣ x 1 + y 1 + x 2 + y 2 ∣ , ∣ x 1 + y 1 − ( x 2 + y 2 ) ∣ ) \max(|x_1 + y_1 + x_2 + y_2|, |x_1 + y_1 - (x_2 + y_2)|) max(∣x1+y1+x2+y2∣,∣x1+y1−(x2+y2)∣)。
切比雪夫距离就是 max ( ∣ x 1 − x 2 ∣ , ∣ y 1 − y 2 ∣ ) \max(|x_1 - x_2|, |y_1 - y_2|) max(∣x1−x2∣,∣y1−y2∣)。
然后我们发现这两个格式很像，事实上确实是可以转换的：
- 曼哈顿距离 到 切比雪夫距离 ： ( x , y ) → ( x + y , x − y ) (x, y) \to (x + y, x -y ) (x,y)→(x+y,x−y)。
- 切比雪夫距离 到 曼哈顿距离 ： ( x , y ) → ( x + y 2 , x − y 2 ) (x, y) \to (\frac{x + y}{2}, \frac{x - y}{2}) (x,y)→(2x+y
最低0.47元/天 解锁文章
扫一扫
1578
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
