几何路径规划：飞碟导航中的Dijkstra算法应用

1. 问题背景与核心挑战

这道ICPC题目描述了一个极具现实意义的场景：外星飞碟在现代城市中的导航问题。与早期地球环境不同，现代都市中高耸的摩天大楼成为了飞碟飞行的主要障碍。题目要求我们为飞碟规划两点之间的最短路径，同时确保飞碟不会与任何摩天大楼相交（可以接触）。

核心挑战在于：

• 飞碟具有物理尺寸（半径为r的圆形）
• 摩天大楼被建模为轴对齐矩形
• 路径必须由直线段和圆弧组成
• 需要处理复杂的几何约束条件

2. 几何建模与问题转化

2.1 障碍物膨胀处理

由于飞碟有半径r，我们需要对每个摩天大楼进行"膨胀"处理。具体来说：

• 每个矩形障碍物的每条边向外平移r个单位
• 四个直角处则用四分之一圆弧连接

这样处理后，飞碟的圆心可以被视为一个点，只要这个点不进入膨胀后的障碍区域，就保证了飞碟本身不与原始障碍物相交。

2.2 路径组成分析

最短路径将由以下元素交替组成：

1. 直线段：连接两个切点或起点/终点
2. 圆弧段：沿着膨胀后障碍物的圆角部分

关键观察是：最优路径必定是由这些基本元素组成的，任何更复杂的曲线都可以被这些元素的组合所近似。

3. 算法设计与实现

3.1 整体框架

采用Dijkstra算法来寻找最短路径，将问题建模为图搜索问题：

1. 节点表示：路径上的关键点，包括：

   • 起点和终点
   • 切点（直线与圆弧的接触点）
   • 圆弧的端点

2. 边表示：路径段，包括：

   • 直线段
   • 圆弧段

3. 权重：路径段的长度

3.2 关键步骤实现

3.2.1 几何基础运算

代码中实现了多种几何判断函数：

cpp复制// 计算两点距离
double dis(double x1, double y1, double x2, double y2) {
    double dx = x1-x2, dy = y1-y2;
    return sqrt(dx*dx+dy*dy);
}

// 向量点积
double dot(double x1, double y1, double x2, double y2) {
    return x1*x2 + y1*y2;
}

// 向量叉积
double cross(double x1, double y1, double x2, double y2) {
    return x1*y2 - x2*y1;
}

3.2.2 碰撞检测

这是算法中最复杂的部分，需要判断：

• 线段与矩形是否相交
• 线段与圆是否相交
• 圆弧与矩形是否相交
• 圆弧与圆是否相交

例如，线段与矩形的相交检测：

cpp复制bool seg_intersects_rect(double xs, double ys, double xt, double yt, 
                        int xa, int ya, int xb, int yb) {
    return point_in_rect(xs, ys, xa, ya, xb, yb) || 
           point_in_rect(xt, yt, xa, ya, xb, yb) ||
           seg_intersects_seg(xs, ys, xt, yt, xa, ya, xb, yb) || 
           seg_intersects_seg(xs, ys, xt, yt, xa, yb, xb, ya);
}

3.2.3 切点计算

计算点到圆的切线是算法的核心之一。对于点P(xs,ys)和圆心C(xc,yc)，半径为r：

1. 计算向量PC = C - P
2. 计算距离d = |PC|
3. 如果d < r，点在圆内，无切线
4. 否则，切线与PC的夹角θ满足sinθ = r/d

代码实现：

cpp复制void solve_src_tangent_rc(double xs, double ys, int s, int c) {
    // 确定圆心和方向向量
    int xc, yc, dx, dy;
    if (c == 0) xc = x_[s], yc = y_[s], dx = -1, dy = -1;
    // ...其他情况类似
    
    double vx = xs - xc, vy = ys - yc, m = sqrt(vx*vx + vy*vy);
    if (m < r-eps) return; // 点在圆内
    
    double k1 = r*r/m/m, k2 = r*sqrt(m*m - r*r)/m/m;
    // 计算两个切点
    double x = k1*vx - k2*vy, y = k1*vy + k2*vx;
    if (valid(x, y, dx, dy) && direct_fly(xs, ys, x+xc, y+yc))
        update({x+xc, y+yc, s, c}, dis(xs, ys, x+xc, y+yc));
    
    x = k1*vx + k2*vy; y = k1*vy - k2*vx;
    if (valid(x, y, dx, dy) && direct_fly(xs, ys, x+xc, y+yc))
        update({x+xc, y+yc, s, c}, dis(xs, ys, x+xc, y+yc));
}

3.3 算法流程

1. 初始化：检查起点到终点是否有直接路径
2. 生成初始节点：计算起点到所有圆弧的切点
3. 主循环：
   • 从优先队列取出当前最短路径节点
   • 如果是终点，返回结果
   • 否则，处理三种可能：
     • 从当前点到终点的切线
     • 从当前圆弧到其他圆弧的外切线
     • 沿着当前圆弧移动到端点，然后沿矩形边移动
4. 队列清空：如果没有找到路径，返回"no solution"

4. 实现细节与优化

4.1 数值稳定性处理

几何计算中需要注意浮点精度问题：

cpp复制#define eps 1e-9
int sign(double v) {
    return abs(v) < eps ? 0 : (v < 0 ? -1 : 1);
}

4.2 状态表示

使用结构体表示路径点：

cpp复制struct arc_p {
    double x, y; // 点坐标
    int s, c;    // 所属障碍物编号和圆弧类型(0-3表示四个角)
    bool operator== (const arc_p &rhs) const {
        return s == rhs.s && c == rhs.c && 
               abs(x-rhs.x) < eps && abs(y-rhs.y) < eps;
    }
};

4.3 性能优化

1. 优先队列：使用Dijkstra的标准实现
2. 碰撞检测优化：只检查相关障碍物
3. 状态去重：避免重复处理相同状态

5. 测试与验证

题目提供了多个测试用例，涵盖了各种边界情况：

• 无障碍物情况
• 完全被障碍物包围情况
• 需要复杂绕行的情况
• 飞碟半径变化的情况

例如测试用例1：

code复制1 3
2 7 7 1
3 2 6 4
7 5 9 8
1 8 5 9

对应图示中的情况，正确答案是绕行左下角的路径，长度10.570796。

6. 经验总结与注意事项

在实现这类几何路径规划算法时，有以下重要经验：

1. 精度处理：

   • 始终使用带误差比较的几何判断
   • 避免直接比较浮点数是否相等
   • 合理设置epsilon值

2. 几何特殊情况：

   • 点在圆上/直线上的情况
   • 相切情况
   • 共线/共圆情况

3. 性能考量：

   • 优先处理可能的最短路径
   • 尽早终止不可能的情况
   • 合理设计状态表示以减少重复计算

4. 调试技巧：

   • 可视化中间结果
   • 构造极端测试用例
   • 分模块验证几何函数

这个问题的解决展示了计算几何与图搜索算法的完美结合，其中几何建模和碰撞检测的准确性直接决定了算法的正确性，而Dijkstra的应用则保证了能找到全局最优解。