道格拉斯算法

⑴ 道格拉斯-普克算法的算法的详细步骤

(1) 在曲线首尾两点间虚连一条直线,求出其余各点到该直线的距离，如右图（1）。
（2）选其最大者与阈值相比较,若大于阈值,则离该直线距离最大的点保留,否则将直线两端点间各点全部舍去，如右图（2），第4点保留。
（3）依据所保留的点,将已知曲线分成两部分处理,重复第1、2步操作，迭代操作，即仍选距离最大者与阈值比较,依次取舍,直到无点可舍去，最后得到满足给定精度限差的曲线点坐标，如图（3）、（4）依次保留第6点、第7点，舍去其他点,即完成线的化简。

⑵ AO+C# 道格拉斯算法

听不懂你说的。。我也想用AO+C#做道格拉斯算法。但是现在还没有开始，现在只是简单的用VS2008，在pictureBox里面实现了。

⑶ 编写一个java程序，将文本文件a.txt中的内容加密后写入文本文件b.txt，加密算法自行设定（如异或算法）

病毒历史

电脑病毒的起源(节录自牛顿杂志)

电脑病毒的历史:磁蕊大战

电脑病毒并非是最近才出现的新产物, 事实上, 早在一九四九年, 距离第一部商用电脑的出现仍有好几年时, 电脑的先驱者约翰.范纽曼(John Von Neumann)在他所提出的一篇论文 [复杂自动装置的理论及组织的进行] , 即已把病毒程式的蓝图勾勒出来, 当时, 绝大部份的电脑专家都无法想象这种会自我繁植的程式是可能的, 可是少数几个科学家默默的研究范纽曼的所提出的概念, 直到十年之后, 在美国电话电报公司(AT&T) 的贝尔(Bell)实验室中, 这些概念在一种很奇怪的电子游戏中成形了, 这种电子游戏叫做 [磁蕊大战] (core war)。

磁蕊大战是当时贝尔实验室中三个年轻程式人员在工馀想出来的, 他们是道格拉斯麦耀莱(H.Douglas McIlroy), 维特.维索斯基(Victor Vysottsky)以及罗伯.莫里斯(Robert T. Morris), 当时三人年纪都只有二十多岁.

附注: Robert T. Morris 就是后来写了一个 Worm, 把 Internet 搞的天翻地覆的那个 Robert T. Morris Jr. 的爸爸, 当时大 Morris 刚好是负责 Arpanet网路安全 .

电脑病毒的老祖宗:

磁蕊大战的玩法如下:两方各写一套程式, 输入同一部电脑中, 这两套程式在电脑?记忆系统内互相追杀,有时它们会放下一些关卡,有时会停下来修理(重新写)被对方破坏的几行指令 ;当它被困时,也可以把自己复制一次,逃离险境,因为它们都在电脑的记忆磁蕊中游走,因此得到了磁蕊大战之名.

这个游戏的特点,在于双方的程式进入电脑之后,玩游戏的人只能看着萤幕上显示的战况,而不能做任何更改,一直到某一方的程式被另一方的程式完全 [吃掉] 为止.

磁蕊大战是个笼统的名称,事实上还可细分成好几种,麦耀莱所写的程式叫 [达尔文]这包含了 [物竞天择,适者生存] 的意思 . 它的游戏规则跟以上所描述的最接近,双方以组合语言(Assembly Language)各写一套程式,叫有机体(organism),这两个有机体在电脑里争斗不休,直到一方把另一方杀掉而取代之,便算分出胜负. 在比赛时 Morris 经常匠心独具,击败对手.

另外有个叫爬行者程式(Creeper)的,每一次把它读出时,它便自己复制一个副本.此外,它也会从一部电脑[爬]到另一部有连线的电脑.很快地电脑中原有资料便被这些爬行者挤掉了.爬行者的微一生存目地是繁殖.为了对付[爬行者],有人便写出了[收割者](Reaper).它的唯一生存目的便是找到爬行者,把它们毁灭掉.当所有爬行者都被收割掉之后,收割者便执行程式中最后一项指令:毁灭自己,从电脑中消失.[侏儒](Dwarf)并没有达尔文等程式聪明.却可是个极端危险人物.它在记忆系统中迈进,每到第五个[地址](address)便把那里所储存的东西变为零,这会使的原本的程式停摆.

最奇特的就是一个叫[印普](Imp)的战争程式了,它只有一行指令,那就是

MOV 01

MOV是[MOVE]的代表,即移动的意思 .它把身处的地址中所载的[0]写(移)到下一个地址中,当印普展开行动之后,电脑中原有的每一行指令都被改为[MOV 01].换句话说,萤光幕上留下一大堆[MOV 01].[双子星](Germini)也是个有趣的家伙.它的作用只有一个:把自己复制,送到下一百个地址后,便抛弃掉[正本].从双子星衍生出一系列的程式.[牺牲者](Juggeraut)把自己复制后送到下十个地址之后;而[大雪人](Bigfoot)则把正本和复制品之间的地址定为某一个大质数.想抓到大雪人可是非常困难的.此外,还有全录(Xerox)柏路阿图研究中心的约翰.索殊(John F.Shoch)所写的[蠕虫](Worm),它的目的是要控制侵入的电脑.

电脑病毒的出现

在那些日子里,电脑都没有连线,而是互相独立的,因此并不会出现小莫礼士所引起的病毒瘟疫.如果有某部电脑受到[感染],失去控制,工作人员只需把它关掉便可.但是当电脑连线逐渐成为社会结构的一部份之后,一个或自我复制的病毒程式便很可能带来?穷的祸害了.因此长久一来,懂的玩[磁蕊大战]游戏的电脑工作者都严守一项不成文的规定: 不对普罗大众公开这些战争程式的内容.

一九八三年,这项规定被打破了.科恩.汤普逊(Ken Thompson)是当年一项杰出电脑讲得奖人.在颁奖典礼上,他作了一个演讲,不但公开地证实了电脑病毒的存在,而且还告诉所有听众怎样去写自己的病毒程式.他的同行全都吓坏了,然而这个秘密已经流传出去了.一九八四年,情况愈复杂了.这一年,[科学美国人]月刊(Scientific American)的专栏作家杜特尼(A. K. Dewdney)在五月号写了第一篇讨论[磁蕊大战]的文章,并且只要寄上两块美金,任何读者都可以收到它所写得有关写程式的纲领,在自己家中的电脑中开辟战场.

[病毒]一词的正式出现

在一九八五年三月份的[科学美国人]里,杜特尼再次讨论[磁蕊大战]-----和病毒.在文章的开头他便说:[当去年五月有关[磁蕊大战]的文章印出来时,我并没有想过我所谈论的是那么严重的题目]文中并第一次提到[病毒]这个名称.他提到说,义大利的罗勃吐.些鲁帝(Roberto Cerruti)和马高.么鲁顾帝(Marco Morocutti)发明了一种破坏软体的方法.他们想用病毒,而不是蠕虫,来使得苹果二号电脑受感染.

些鲁弟写了一封信给杜特尼,信内说:[马高想写一个像[病毒]一样的程式,可以从一部苹果电脑传染到另一部苹果电脑,使其受到感染.可是我们没法这样做,直到我想到,这病毒要先使磁盘受到感染,而电脑只是媒介.这样,病毒就可以从一片磁盘传染到另一片磁盘了.]

病毒历史事例：

1975 年，美国科普作家约翰·布鲁勒尔 (John Brunner) 写了一本名为《震荡波骑士》(Shock Wave Rider) 的书，该书第一次描写了在信息社会中，计 算机作为正义和邪恶双方斗争的工具的故事，成为当年最佳畅销书之一。

1977 年夏天，托马斯·捷·瑞安 (Thomas.J.Ryan) 的科幻小说《P-1的春 天》(The Adolescence of P-1) 成为美国的畅销书，作者在这本书中描写了一 种可以在计算机中互相传染的病毒，病毒最后控制了 7，000 台计算机，造成了 一场灾难。

1983 年 11 月 3 日，弗雷德·科恩 (Fred Cohen) 博士研制出一种在运行过程中可以复制自身的破坏性程序，伦·艾德勒曼 (Len Adleman) 将它命名为计算机病毒 (computer viruses)，并在每周一次的计算机安全讨论会上正式提出，8 小时后专家们在 VAX11/750 计算机系统上运行，第一个病毒实验成功，一周后又获准进行 5个实验的演示，从而在实验上验证了计算机病毒的存在。

1986 年初，在巴基斯坦的拉合尔 (Lahore)，巴锡特 (Basit) 和阿姆杰德(Amjad) 两兄弟经营着一家 IBM-PC 机及其兼容机的小商店。他们编写了Pakistan 病毒，即 Brain。在一年内流传到了世界各地。

1988 年 3 月 2 日，一种苹果机的病毒发作，这天受感染的苹果机停止工作，只显示“向所有苹果电脑的使用者宣布和平的信息”。以庆祝苹果机生日。

1988 年 11 月 2 日，美国六千多台计算机被病毒感染，造成 Internet 不能正常运行。这是一次非常典型的计算机病毒入侵计算机网络的事件，迫使美国政府立即作出反应，国防部成立了计算机应急行动小组。这次事件中遭受攻击的包括 5 个计算机中心和 12 个地区结点，连接着政府、大学、研究所和拥有政府合同的50，000 台计算机。这次病毒事件，计算机系统直接经济损失达 9600 万美元。这个病毒程序设计者是罗伯特·莫里斯 (Robert T.Morris)，当年 23 岁，是在康乃尔 (Cornell) 大学攻读学位的研究生。

罗伯特·莫里斯设计的病毒程序利用了系统存在的弱点。由于罗伯特·莫里斯成了入侵 ARPANET 网的最大的电子入侵者，而获准参加康乃尔大学的毕业设计，并获得哈佛大学 Aiken 中心超级用户的特权。他也因此被判3 年缓刑，罚款1 万美元，他还被命令进行 400 小时的新区服务。

注：在此文中，把蠕虫、我们常提的病毒定为病毒不同种类。

1988 年底，在我国的国家统计部门发现小球病毒。

--------------------------------------------------------------------------------

在病毒的发展史上，病毒的出现是有规律的，一般情况下一种新的病毒技术出现后，病毒迅速发展，接着反病毒技术的发展会抑制其流传。操作系统进行升级时，病毒也会调整为新的方式，产生新的病毒技术。它可划分为：

DOS引导阶段
1987年，计算机病毒主要是引导型病毒，具有代表性的是“小球”和“石头”病毒。
当时得计算机硬件较少，功能简单，一般需要通过软盘启动后使用。引导型病毒利用软盘得启动原理工作，它们修改系统启动扇区，在计算机启动时首先取得控制权，减少系统内存，修改磁盘读写中断，影响系统工作效率，在系统存取磁盘时进行传播。1989年，引导型病毒发展为可以感染硬盘，典型的代表有”石头2”。

DOS可执行阶段
1989年，可执行文件型病毒出现，它们利用DOS系统加载执行文件的机制工作，代表为”耶路撒冷”，”星期天”病毒，病毒代码在系统执行文件时取得控制权，修改DOS中断，在系统调用时进行传染，并将自己附加在可执行文件中，使文件长度增加。1990年，发展为复合型病毒，可感染COM和EXE文件。

伴随，批次型阶段
1992年，伴随型病毒出现，它们利用DOS加载文件的优先顺序进行工作。具有代表性的是”金蝉”病毒，它感染EXE文件时生成一个和EXE同名的扩展名为COM伴随体;它感染COM文件时，改为原来的COM文件为同名的EXE文件，在产生一个原名的伴随体，文件扩展名为COM。这样，在DOS加载文件时，病毒就取得控制权。这类病毒的特点是不改变原来的文件内容，日期及属性，解除病毒时只要将其伴随体删除即可。在非DOS操作系统中，一些伴随型病毒利用操作系统的描述语言进行工作，具有典型代表的是”海盗旗”病毒，它在得到执行时，询问用户名称和口令，然后返回一个出错信息，将自身删除。批次型病毒是工作在DOS下的和”海盗旗”病毒类似的一类病毒。

幽灵，多形阶段
1994年，随着汇编语言的发展，实现同一功能可以用不同的方式进行完成，这些方式的组合使一段看似随机的代码产生相同的运算结果。幽灵病毒就是利用这个特点，每感染一次就产生不同的代码。例如”一半”病毒就是产生一段有上亿种可能的解码运算程序，病毒体被隐藏在解码前的数据中，查解这类病毒就必须能对这段数据进行解码，加大了查毒的难度。多形型病毒是一种综合性病毒，它既能感染引导区又能感染程序区，多数具有解码算法，一种病毒往往要两段以上的子程序方能解除。

生成器，变体机阶段
1995年，在汇编语言中，一些数据的运算放在不同的通用寄存器中，可运算出同样的结果，随机的插入一些空操作和无关指令，也不影响运算的结果，这样，一段解码算法就可以由生成器生成。当生成的是病毒时，这种复杂的称之为病毒生成器和变体机就产生了。具有典型代表的是”病毒制造机”VCL，它可以在瞬间制造出成千上万种不同的病毒，查解时就不能使用传统的特征识别法，需要在宏观上分析指令，解码后查解病毒。变体机就是增加解码复杂程度的指令生成机制。

网络，蠕虫阶段 第一篇 第二篇
1995年，随着网络的普及，病毒开始利用网络进行传播，它们只是以上几代病毒的改进。在非DOS操作系统中，”蠕虫”是典型的代表，它不占用除内存以外的任何资源，不修改磁盘文件，利用网络功能搜索网络地址，将自身向下一地址进行传播，有时也在网络服务器和启动文件中存在。

视窗阶段
1996年，随着Windows和Windows95的日益普及，利用Windows进行工作的病毒开始发展，它们修改(NE，PE)文件，典型的代表是DS。3873，这类病毒的急智更为复杂，它们利用保护模式和API调用接口工作，解除方法也比较复杂。

宏病毒阶段
1996年，随着Windows Word功能的增强，使用Word宏语言也可以编制病毒，这种病毒使用类Basic语言，编写容易，感染Word文档文件。在Excel和AmiPro出现的相同工作机制的病毒也归为此类。由于Word文档格式没有公开，这类病毒查解比较困难。

互连网阶段
1997年，随着因特网的发展，各种病毒也开始利用因特网进行传播，一些携带病毒的数据包和邮件越来越多，如果不小心打开了这些邮件，机器就有可能中毒。

爪哇，邮件炸弹阶段
1997年，随着万维网上Java的普及，利用Java语言进行传播和资料获取的病毒开始出现，典型的代表是JavaSnake病毒。还有一些利用邮件服务器进行传播和破坏的病毒，例如Mail-Bomb病毒，它就严重影响因特网的效率。

⑷ 道格拉斯-普克算法的介绍

道格拉斯-普克算法1(Douglas–Peucker algorithm，亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法)是将曲线近似表示为一系列点，并减少点的数量的一种算法。它的优点是具有平移和旋转不变性，给定曲线与阈值后，抽样结果一定。

⑸ 道格拉斯-普克算法的java的实现代码如下

packagecom.mapbar.jts;
/***ClassPoint.java*/
publicclassPoint
{
/***点的X坐标*/privatedoublex=0;
/***点的Y坐标*/privatedoubley=0;
/***点所属的曲线的索引*/privateintindex=0;
publicdoublegetX() {returnx;}
publicvoidsetX(doublex) {this.x=x;}
publicdoublegetY() {returny;}
publicvoidsetY(doubley) {this.y=y;}
publicintgetIndex() {returnindex;}
publicvoidsetIndex(intindex) {this.index=index;}
/***点数据的构造方法**
@paramx*点的X坐标*@paramy*点的Y坐标*@paramindex点所属的曲线的索引*/
publicPoint(doublex,doubley,intindex)
{this.x=x;this.y=y;this.index=index;}
}
packagecom.mapbar.jts;
importjava.util.ArrayList;
importjava.util.List;
importcom.vividsolutions.jts.geom.Coordinate;
importcom.vividsolutions.jts.geom.Geometry;
importcom.vividsolutions.jts.io.ParseException;
importcom.vividsolutions.jts.io.WKTReader;
/***ClassDouglas.java*/
publicclassDouglas
{
/***存储采样点数据的链表*/
publicList<Point>points=newArrayList<Point>();
/***控制数据压缩精度的极差*/
privatestaticfinaldoubleD=1;
privateWKTReaderreader;
/***构造Geometry**@paramstr*@return*/
publicGeometrybuildGeo(Stringstr)
{
try
{
if(reader==null) {reader=newWKTReader();}
returnreader.read(str);
}
catch(ParseExceptione) {thrownewRuntimeException(buildGeometryError,e);}
}
/***读取采样点*/
publicvoidreadPoint()
{
Geometryg=buildGeo(LINESTRING(14,23,42,66,77,86,95,1010));
Coordinate[]coords=g.getCoordinates();
for(inti = 0;i < coords.length; i++)
{Pointp=newPoint(coords[i].x,coords[i].y,i);points.add(p);}
}
/***对矢量曲线进行压缩**@paramfrom*曲线的起始点*@paramto*曲线的终止点*/
publicvoidcompress(Pointfrom,Pointto)
{
/***压缩算法的开关量*/booleanswitchvalue=false;
/***由起始点和终止点构成的直线方程一般式的系数*/
System.out.println(from.getY());
System.out.println(to.getY());
doubleA=(from.getY()-to.getY())/Math.sqrt(Math.pow((from.getY()-to.getY()),2)+Math.pow((from.getX()-to.getX()),2));
/***由起始点和终止点构成的直线方程一般式的系数*/
doubleB=(to.getX()-from.getX())/Math.sqrt(Math.pow((from.getY()-to.getY()),2)+Math.pow((from.getX()-to.getX()),2));
/***由起始点和终止点构成的直线方程一般式的系数*/doubleC=(from.getX()*to.getY()-to.getX()*from.getY())/Math.sqrt(Math.pow((from.getY()-to.getY()),2)+Math.pow((from.getX()-to.getX()),2));
doubled=0;
doubledmax=0;
intm=points.indexOf(from);
intn=points.indexOf(to);
if(n == m+1) return;
Pointmiddle=null;
List<Double>distance=newArrayList<Double>();
for(inti = m+1;i < n;++)
{
d=Math.abs(A*(points.get(i).getX())+B*(points.get(i).getY())+C)/Math.sqrt(Math.pow(A,2)+Math.pow(B,2));
distance.add(d);
}
dmax=distance.get(0);
for(intj = 1;j < distance.size();j++)
{
if(distance.get(j) > dmax) dmax=distance.get(j);
}
if(dmax>D) switchvalue=true;
else switchvalue=false;
if(!switchvalue)
{
//删除Points(m,n)内的坐标
for(inti = m+1;i < n;i++)
points.get(i).setIndex(-1);
}
else
{
for(inti = m+1;i < n;i++)
{
if((Math.abs(A*(points.get(i).getX())+B*(points.get(i).getY())+C)/Math.sqrt(Math.pow(A,2)+Math.pow(B,2))==dmax))
middle=points.get(i);
}
compress(from,middle);
compress(middle,to);
}
}
publicstaticvoidmain(String[]args)
{
Douglasd=newDouglas();
d.readPoint();
d.compress(d.points.get(0),d.points.get(d.points.size()-1));
for(inti = 0;i < d.points.size();i++)
{
Pointp=d.points.get(i);
if(p.getIndex()>-1){System.out.print(p.getX()++p.getY()+,);}}
}
}

⑹ 卫生人力预测的定量方法

人力资源需求预测的定量方法[10种]

（一）转换比率法

人力资源预测中的转换比率法是：首先根据企业生产任务（或业务量）估计组织所需要的一线生产人员（或业务员）的数量，然后根据这一数量来估计秘书、财务人员和人力资源管理人员等辅助人员的数量。

转换比率法的目的是将企业的业务量转换为对人员的需求，这是一种适合于短期需求预测的方法。转换比率法假定组织的劳动生产率是不变的。

这种预测方法存在着两个缺陷：

一是进行估计时需要对计划期的业务增长量。目前人均业务量和生产率的增长率进行精确的估计

二是这种预测方法只考虑了员工需求的总量，没考虑结构。

（二）人员比率法

采用人员比率法时，首先应计算出企业历史上关键业务指标，然后根据可预见的变量计算出所需的各类人员数量。

其应用范围有较大的局限性。

（三）趋势外推法

趋势外推法又称为时间序列法，即从过去延伸将来。

趋势外推法通常仅涉及有关人力资源问题中能够数量化的方向或那部分内容。其预测的可靠性，与历史的和现在的资料时间长短，以及外推时间的长短密切有关。

（四）回归分析法

回归分析法就是依据事物发展变化的因果关系来预测事物未来的发展趋势，它是研究变量间相互关系的一种定量预测方法，又称回归模型预测法或因果法。

（五）经济计量模型法

经济计量模型法是先将公司的员工需求量与影响需求量的主要因素之间的关系用数学模型的形式表示出来，依此模型及主要因素变量，来预测公司的员工需求。

这种方法比较复杂，一般只在管理基础比较好的大公司里采用。

★趋势外推法和回归分析法本质上都是经济计量模型法，不同的是：

A、趋势外推法最简单，其自变量只有一个，即时间变量。

B、回归分析法也比较简单，不考虑不同自变量之间的相互影响;

C、经济计量模型法则综合考虑多种因素，且考虑各因素间的交互作用。

（六）灰色预测模型法

灰色预测模型法的本质也是经济计量模型法，不同的是，经济计量模型法对数据的完整性有很高的要求，而灰色预测模型法能对既含有已知信息又含有未知或非确定信息的系统进行预测。

灰色预测模型法特点：

灰色过程中的数据随机性强，杂乱无章，但是有序有界，即过程中的数据集合隐含潜在规律。

运用灰色系统进行预测的算法比较复杂，需运用专门的软件进行计算。

（七）生产模型法

生产模型法是根据企业的产出水平和资本总额来进行预测，它主要根据道格拉斯生产函数：

（八）马尔可夫分析法

马尔可夫分析法的主要思路是通过观察历年企业内部人数的变化，找出组织过去人事变动的规律。

★（九）定员定额分析法[5种方法 多选]

A、工作定额分析法

B、岗位定员法

C、设备看管定额定员法

D、劳动效率定员法

E、比例定员法

（十）计算机模拟法

计算机模拟法是进行人力资源需求预测诸方法中最为复杂的一种方法。人力资源管理工作者应根据实际情况选择使用，应采取尽可能多的方法进行预测。

【注意事项】

人力资源需求预测方法的注意事项：

1.转换比率法和数学模型法都是以现存的或者过去的组织业务量和员工之间的关系为基础，都适合于预测具有共同特征的员工的需求。这种预测方法的精确性有赖于：

A、两者之间关系的强度

B、这种关系提炼方法的精确性

C、在将来继续保持的程度。（持续性）

2.人力资源需求预测的定性方法都是以函数关系不变作为前提，但是，这经常是不符合实际的，因此需要用管理人员的主观判断进行修正。

（1）提高产品或服务质量的决策或进入新市场的决策会影响到对新进人员和企业现有人员的能力等特征的需要，这时只有数量分析是不够的。

（2）生产技术水平的提高和管理方式的改进会减少对人员的需求，这是数量分析中难以反映的。

（3）企业在未来能够支配的财务资源不仅会制约新进员工的数量，也会制约新进员工的质量，因为财务资源制约着员工的薪资水平

⑺ 怎么用栈的方法编写道格拉斯-普克算法啊

下面的代码，用vector作了一个栈，避免了大数据递归时刻能出现的stack overflow问题；

用到的都是标准的C++ 及STL的东西，VC++下面没有问题。

只是一个演示，很多保护和检验都没有作；

输入数据格式： x y -- 一行； 输出： x0 y0 x1 y1 （x0, y0 - 原始数据；r1, y1-rdp后的数据，一般少于x0,y0的数据）

这只是【代码片段】及输出部分。完整的程序我发到‘网盘’上了，提取见‘私信’。

...
typedefstructPOINT
{
doublex;
doubley;
}Point;

typedefstructSTACKELEMENT
{
Pointpoint;
size_tindex;
}StackElement;
...
vector<StackElement>rdp_stack;
...
intrdp_fit(constvector<Point>&input,vector<Point>&output,doubleepsilon)
{
output.resize(0);

if(input.empty())return-1;

rdp_stack.resize(0);//clearbeforeusing.

//.
rdp_stack.reserve(input.size());
output.reserve(input.size());

//initialstart~endpointforrdp.
Pointstart=input.front();
size_tindex_start=0;
Pointend=input.back();
size_tindex_end=input.size()-1;

//addthefirstpoint
output.push_back(start);

StackElementstack_element={end,index_end};

rdp_stack.push_back(stack_element);

while(!rdp_stack.empty())
{
doublemax_perpendicular_distance=0.0;
Pointfarthest=start;
size_tindex_of_farthest=index_start;

//
for(size_ti=index_start+1;i<index_end;++i)
{
constdoubleperpendicular_distance=getDistanceToLine(input[i],start,end);
if(perpendicular_distance>max_perpendicular_distance)
{
...
}
}

if(max_perpendicular_distance<=epsilon)
{
...
}
else
{
...
}
}
return0;
}

intmain(intargc,charconst*argv[])
{
doubletolerance=0.02;//hard-codingepilson.<==modify
charinfile[]="rdp_data.in";//inputfile.<==modify
charoutfile[]="rdp_data.out";//outputfile.<==modify
vector<Point>raw_data,rdp_data;

loadData(infile,raw_data);
intretcode;
...
retcode=rdp_fit(raw_data,rdp_data,tolerance);
saveData(outfile,raw_data,rdp_data);
...
return0;
}

输出：

.

图：

⑻ Mysql的GIS、GEO入门笔记

探索和学习MySQL中GIS相关功能和特性

这里记录了学习和了解MySQL中GIS特性相关内容的过程。

MySQL官方论坛中GIS的举例

测试数据已经导入成功，下面开始对GIS相关函数和GEOHASH进行了解和体验；

mysql中geometry类型的简单使用
MySQL空间数据类型

经纬度信息存储在geometry格式的字段中，该字段必须非空。

MySQL8.0前按照longitude-latitude的顺序存储位置
MySQL8.0前按照longitude-latitude的顺序存储位置
MySQL8.0前按照longitude-latitude的顺序存储位置

插入数据时候可使用如下语句：

MySQL存储geometry信息的方式采用了25bytes，相比WKB的21bytes，多了4bytes的坐标系表示，组成部分如下：

WTF字符串格式说明
select ST_GeomFromText(WTF格式字符串);


WKT(Well-known text)是一种文本标记语言,用于表示矢量几何对象、空间参照系统及空间参照系统之间的转换。通过WTF字符串生成geometry的方法：

点： POINT(x y)
线： LINESTRING(x1 y1, x2 y2, x3 y3...)
多边形： POLYGON((0 0, 10 0, 10 10,0 10,0 0),(5 5,7 5,7 7,5 7,5 5))
多点集： MULTIPOINT(0 0, 20 20, 60 60) 或 MULTIPOINT((0 0),(5 5),(5 0))
多线集： MULTILINESTRING((10 10, 20 20), (15 15, 30 15))
多多边形集： MULTIPOLYGON(((0 0,10 0,10 10,0 10,0 0)),((5 5,7 5,7 7,5 7, 5 5)))
例如两点一线组成的几何集： GEOMETRYCOLLECTION(POINT(10 10), POINT(30 30), LINESTRING(15 15, 20 20))

A geometry is syntactically well-formed if it satisfies conditions such as those in this (nonexhaustive) list:

Collections are not empty (except GeometryCollection)

更多内容参见
ST_PointFromText('POINT(X Y)');
ST_LineStringFromText('LINESTRING(0 0,1 1,2 2)');
ST_PolygonFromText('POLYGON((0 0,10 0,10 10,0 10,0 0),(5 5,7 5,7 7,5 7,5 5))');
ST_GeomCollFromText();

更多内容参见

参见
Point(x,y)
LineString((x1,y1),(x2,y2)...)
Polygon(LineString(),LineString()....)

参见
ST_AsText()
ST_AsBinary()
ST_AsWKT()

参见
ST_Dimension(geom) ：返回geom的维度（-1，0，1，2）
ST_Envelope(geom) ：返回geom的最小外接矩形（MBR）
ST_GeometryType(geom) ：返回geom的类型
ST_IsEmpty(geom) ：该函数并不能真实的判空，当geom为任何有效的几何值时返回0，无效的几何值返回1；
ST_IsSimple(geom) ：当geom无任何异常几何点返回1（如自相交和自切线等），否则返回0
ST_SRID(geom) ：返回geom的坐标系ID

参见
ST_X(Point) ：获取Point的X值
ST_Y(Point) ：获取Point的Y值

参见
ST_StartPoint(linestrng) ： 线的起点
ST_EndPoint(linestring) ：返回线的最后一个点
ST_IsClosed(linestring或multilinestring) ：线是否闭合（若为线，则判断起点与终点是否一致；若为线组，则判断组内每个元素是否符合闭合线）
ST_Length(linestring) ：返回线的长度，若入参为线集，则返回集合内所有长度的和
ST_NumPoiints(linestring) ：返回点的数量；
ST_PointN(linestring,N) ：返回第N个点（从1开始）

参见
具体不在一一列举，主要有计算多边形面积、中心点、最小外接圆，最大内接圆等函数，列举几个可能会用到的：


ST_Area(Poly|mPoly) ：返回双精度的面积或面积的和
'ST_Centroid(Poly|mPoly)'：返回数学上的中心点
ST_ExteriorRing(Poly) ：返回外接圆

参见
ST_Buffer说明
不再列举，主要有：ST_Buffer（不懂干啥用），ST_ConvexHull(geom)凸包，ST_Dfference(g1,g2)比较差异，ST_Intersecton(g1,g2)交叉点，ST_SymDifference(g1,g2)对称差分，ST_Union(g1,g2)连接、合并等。

检查geometry Objects之间的空间关系的方法。

参见
计算两个Object之间的空间关系的函数，有两个间距离、相交、不相交，包含、相等、相切、重叠、接触、在内等等空间关系。下面列举几个可能会常用的方法：
ST_Contains(g1,g2) ：g1是否完全包含g2
ST_Within(g1,g2) ：g1是否包含于g2中
ST_Distance(g1,g2) ：返回g1和g2之间的距离，已坐标单位计算的
ST_Equals(g1,g2) ：返回g1和g2是否相等

参见
MBRContains(g1,g2) ：g1的mbr是否包含g2的mbr
MBRWithin(g1,g2) ：g1的mbr是否在g2的mbr内
MBRCoveredBy(g1,g2) ：g1的mbr是否被g2的mbr覆盖
MBRCovers(g1,g2) ：g1的mbr是否覆盖g2的mbr
MBRDisjoint(g1,g2) ：g1的mbr,g2的mbr是否不相交
MBRIntersects(g1,g2) ：g1mbr，g2mbr是否相交
MBREqual(g1,g2) ：g1的mbr,g2的mbr的外接是否相等
MBREquals(g1,g2) ：g1的mbr,g2的mbr的外接是否相等
MBROverlaps(g1,g2) ：g1mbr、g2mbr
其他函数请参看原文

GeoHash介绍
GeoHash Wiki网络

MySQL中自带函数 st_geohash(longtude,latitude,max_length) 或 st_geohash(point, max_length) 即可生成某一点的geohash值。

返回一个geohash字符串中的latitude或longitude

返回一个geohash解析出的point数据

官方文档

通过geometry生成一个GeoJSON Object， select st_asgeojson(geometry,max_length,options);

通过GeoJSON生成GeoMetry对象。
ST_GeomFromGeoJSON(jsonstring, [options [, srid]])


具体使用方法参见官方文档

官方文档
MySQL中提供的方便空间运算的函数们

select ST_Distance_Spher(geomPoint1,geomPoint2 [, radius]);
此方法用于计算两点或多个点之间的地球上的距离（是地球球面距离而不是直线距离），返回单位为米，

select ST_IsValid(ST_GeomFromText('LINESTRING(0 0,1 1)'))
判断入参是否是符合地理位置描述的格式。返回1（符合）或者0（不符）；

例如：
返回0：
select st_isvalid(st_geomfromtext('linestring(0 0, -0.00 0, 0.0 0)')
返回1：
select st_isvalid(st_geomfromtext('linestring(0 0,1 1)')

select st_astext(st_makeenvelope(pt1, pt2));
返回两点构成的包络。（此计算是基于笛卡尔坐标系而非球面）

例如：
SELECT ST_AsText ( st_makeenvelope ( st_geomfromtext ( 'point(0 0)' ), st_geomfromtext ( 'point(1 1)' ) ) );
返回结果：
POLYGON((0 0,1 0,1 1,0 1,0 0))

效果说明
JS抽稀算法
select st_simplify(geometry, max_distance);
用道格拉斯-普克算法（抽稀函数）简化geometry，并返回与原格式相同格式的结果。

例如，以下点集拟合为直线，步长0.5：
SELECT st_simplify ( st_geomfromtext ( 'LINESTRING(0 0,0 1,1 1,1 2,2 2,2 3,3 3)' ), 0.5 )
返回结果：
LINESTRING(0 0, 0 1, 1 1, 2 3, 3 3)
再如，步长1.0：
SELECT st_simplify ( st_geomfromtext ( 'LINESTRING(0 0,0 1,1 1,1 2,2 2,2 3,3 3)' ), 1.0 )
返回结果：
LINESTRING(0 0, 3 3)

SELECT ST_Validate(geometry);
验证geometry是符合正确的地理位置信息格式。例如 Point(0 0) 是合格的； Linestring(0 0) 是非法的； Linestring(0 0, 1 1) 是合格的

了解了上述MySQL中关于集合对象的功能，下面来实践一下

由上面geohash长度-精度对应表可知，前6位表示±610米左右的误差，这里先查询前六位范围之后再用上述方法精确筛选一次即可：

可将上述查询方法封装为MySQL函数方便和简化程序调用.

该方法是运用了内置的几何关系运算函数 ST_Contains 和 ST_MakeEnvelop 来实现的，0.5对应大概500米左右的范围，具体如下；

链接: https://pan..com/s/1cW-kv6DIgtYMw5I3bNFzKA

提取码: jagn

⑼ 道格拉斯佩克算法的程序（最好是用C语言编的）

如果你是初学不建议你搞这些东西,你如果是学数学什么的那可以!
要不到头来你会因小失大的,等你成了高级程序员闲着没事可以搞搞研究!!