咸阳公司网站建设临沂seo公司稳健火星

 题目

给你一个数组 points ，其中 points[i] = [$x_i$, $y_i$] 表示 X-Y 平面上的一个点。求最多有多少个点在同一条直线上。

示例 1：

输入：points = [[1,1],[2,2],[3,3]]
输出：3

示例 2：

输入：points = [[1,1],[3,2],[5,3],[4,1],[2,3],[1,4]]
输出：4

提示：
1 <= points.length <= 300
points[i].length == 2
-104 <= xi, yi <= $10^4$
points 中的所有点 互不相同

 解

解决这个问题的常用方法是使用哈希表。对于给定的点 ($x_i$, $y_i$)，我们可以计算其与其他点的斜率 ($x_j$ - $x_i$) / ($y_j$ - $y_i$)，并将这个斜率存储在哈希表中。

具体步骤如下：

1. 遍历每一个点 ($x_i$, $y_i$)，对于每个点，初始化一个哈希表 slopeMap，用于存储以该点为起点的直线上的点数。
2. 然后再次遍历每一个点 ($x_j$, $y_j$)（这个循环将计算所有点与点 ($x_i$, $y_i$) 的斜率），如果 ($x_j$, $y_j$) 与 ($x_i$, $y_i$) 重合，将 overlap 值加 1，否则计算斜率 ($x_j$ - $x_i$) / ($y_j$ - $y_i$)。
3. 将计算得到的斜率存储在 slopeMap 中，如果已存在该斜率，直线上的点数加 1，如果不存在，则初始化为 2（包括 ($x_i$, $y_i$) 和 ($x_j$, $y_j$)）。
4. 在每次内循环结束后，更新 maxPoints，确保始终保持记录最多点的直线上的点数。
5. 继续遍历下一个点 ($x_i$, $y_i$)，并重复上述过程，直到所有点都被处理。

以下是Java代码示例：

class Solution {public int maxPoints(int[][] points) {if (points.length < 3) {return points.length;}int maxPoints = 2; // 初始化最大点数为2，因为至少有两个点在同一直线上for (int i = 0; i < points.length; i++) {int overlap = 0; // 用于记录与当前点重合的点数HashMap<Double, Integer> slopeMap = new HashMap<>(); // 用于存储斜率与点数的映射for (int j = 0; j < points.length; j++) {if (i == j) {overlap++; // 与自身重合的点数加1} else {double slope;if (points[i][0] == points[j][0]) {slope = Double.POSITIVE_INFINITY; // 当x坐标相同时，斜率设为正无穷大} else {slope = (double)(points[i][1] - points[j][1]) / (points[i][0] - points[j][0]); // 计算斜率}slopeMap.put(slope, slopeMap.getOrDefault(slope, 0) + 1); // 存储斜率并更新点数}}int localMax = overlap; // 初始化局部最大点数为与自身重合的点数for (int count : slopeMap.values()) {localMax = Math.max(localMax, count + overlap); // 更新局部最大点数}maxPoints = Math.max(maxPoints, localMax); // 更新全局最大点数}return maxPoints;}
}

这段代码通过哈希表来统计每个点的斜率，然后记录直线上的点数，最终找到直线上点数最多的情况。

 解2

除了上述的哈希表解法外，还有一种更优化的解法，可以在O(n^2)的时间内解决问题，其中n是点的数量。

这个解法基于以下观察：如果有三个点共线，那么它们的斜率是相同的。因此，我们可以遍历每一对点，计算它们之间的斜率，并存储在哈希表中。对于每个点，我们统计共线的点的数量，并保持更新最大值。

以下是基于这种观察的Java代码：

class Solution {public int maxPoints(int[][] points) {if (points.length < 3) {return points.length;}int maxPoints = 2; // 初始化最大点数为2，因为至少有两个点在同一直线上for (int i = 0; i < points.length; i++) {int overlap = 0; // 用于记录与当前点重合的点数HashMap<String, Integer> slopeMap = new HashMap<>(); // 用于存储斜率与点数的映射for (int j = 0; j < points.length; j++) {if (i == j) {overlap++; // 与自身重合的点数加1} else {int deltaX = points[i][0] - points[j][0];int deltaY = points[i][1] - points[j][1];if (deltaX == 0) {slopeMap.put("inf", slopeMap.getOrDefault("inf", 0) + 1); // 斜率为正无穷} else {int gcd = gcd(deltaX, deltaY);String slope = (deltaY / gcd) + "/" + (deltaX / gcd); // 用字符串表示斜率slopeMap.put(slope, slopeMap.getOrDefault(slope, 0) + 1);}}}int localMax = overlap; // 初始化局部最大点数为与自身重合的点数for (int count : slopeMap.values()) {localMax = Math.max(localMax, count + overlap); // 更新局部最大点数}maxPoints = Math.max(maxPoints, localMax); // 更新全局最大点数}return maxPoints;}// 辗转相除法计算最大公约数private int gcd(int a, int b) {return b == 0 ? a : gcd(b, a % b);}
}

这种解法避免了使用浮点数斜率，使用最大公约数来保持斜率的精度，同时也处理了斜率为正无穷的情况。这个解法的时间复杂度为O(n^2)，但在实际应用中通常更高效。

 解3

动态规划的思路是，对于每个点 (xi, yi)，可以考虑以它为终点的直线上的点数，然后记录最大值。下面是一个使用动态规划的Java代码示例：

class Solution {public int maxPoints(int[][] points) {if (points.length < 3) {return points.length;}int maxPoints = 2; // 初始化最大点数为2，因为至少有两个点在同一直线上int n = points.length;for (int i = 0; i < n; i++) {int overlap = 0; // 用于记录与当前点重合的点数int localMax = 0; // 用于记录以当前点为终点的直线上的点数HashMap<String, Integer> slopeMap = new HashMap<>(); // 用于存储斜率与点数的映射for (int j = i + 1; j < n; j++) {int deltaX = points[i][0] - points[j][0];int deltaY = points[i][1] - points[j][1];if (deltaX == 0 && deltaY == 0) {overlap++; // 与自身重合的点数加1} else {int gcd = gcd(deltaX, deltaY);String slope = (deltaY / gcd) + "/" + (deltaX / gcd); // 用字符串表示斜率slopeMap.put(slope, slopeMap.getOrDefault(slope, 0) + 1); // 存储斜率并更新点数localMax = Math.max(localMax, slopeMap.get(slope)); // 更新以当前点为终点的直线上的点数}}maxPoints = Math.max(maxPoints, localMax + overlap + 1); // 更新全局最大点数，加1是因为还包括自身点}return maxPoints;}// 辗转相除法计算最大公约数private int gcd(int a, int b) {return b == 0 ? a : gcd(b, a % b);}
}