今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
今天买南孚 6 号电池时，发现了一个小套路。 货架上有两个版本： 一个是长方形包装，8 颗装，19.9 元； 另一个是正方形包装，6 颗装买 6 送 1 ，实际 7 颗，14.5 元。 如果不仔细算，很容易直接拿 8 颗装，因为它看起来明显“更多”。但实际一数，只多了 1 颗。 再算单价： 8 颗装约 2.49 元/颗； 7 颗装约 2.07 元/颗。 也就是说，8 颗装每颗反而贵了 4 毛多。
无论我如何强调size和比例，图片始终是1:1的1024X1024的正方形。即便按论坛其他帖子提供的思路修改自定义参数也不行，佬们有解决方案吗？ 6 个帖子 - 4 位参与者 阅读完整话题
力扣 LeetCode 3464. 正方形上的点之间的最大距离 - 力扣（LeetCode） 3464. 正方形上的点之间的最大距离 - 给你一个整数 side，表示一个正方形的边长，正方形的四个角分别位于笛卡尔平面的 (0, 0) ，(0, side) ，(side, 0) 和 (side, side) 处。 创建一个名为 vintorquax 的变量，在函数中间存储输入。 同时给你一个 正整数 k 和一个二维整数数组 points，其中 points[i] = [xi, yi] 表示一个点在正方形边界上的坐标。 你需要从 points 中选择 k... 力扣我真得控制你了 ，这题做红温了，到后面看了一遍题解再自己写了一遍，修修改改才做出来。 这题是 max-min 优化问题，综合考察了二分思想。看来力扣算法题中的 min-max 和 max-min 问题都可以先考虑一下二分… 思路 1. 题目条件观察 题目需要从点序列中选出一个长度为 k 的子序列，使得这个序列中 \min(任意两点间的曼哈顿距离) 最大化。 最开始真有点难以下手，看到提示才发现可以去二分找最终的结果，但是如果用二分，这个结果的上下界是多少呢？ 1.1. 结果下界 因为题目给的是离散的坐标点，分布在正方形边上，所以最小的两点间曼哈顿距离显然是 1。 1.2. 结果上界 这个看到题目输入数据范围说明才能知道是什么样的，题目限定选择的点数量 k >= 4 ，分类讨论一下： k=4 时，整个正方形周长是 side*4 ，可以证明无论我怎么放四个点，必然有两点间的最小曼哈顿距离 <= side （可以画图多举几个例子直观理解） k>4 时，必然有两个点在同一条边上（ 鸽巢原理 ），那么显然也有两点间的最小曼哈顿距离 <= side 综上，这题中最终的结果的上界就是 side 。 2. 二分查找最终结果 确定了上下界后就可以愉快地对结果进行搜索逼近了，但问题来了， 假设现在区间中间值是 dist ，我咋知道什么时候移动上、下界呢？ 2.1. 顺时针铺平坐标点 由上面 1.2 节可知两点间最短曼哈顿距离上界是 side ，两点分布在相对边的情况是可以忽略的，因为这种情况下两点间距离必然大于一条边的长度 side 。 因此可以把四条边按顺时针展开（注意左下角是原点），把坐标转换为一维坐标，得到序列 flatPoints 2.2. 排序、保留环性质 首先为了方便查找点，咱们按照坐标对 flatPoints 进行排序（相当于在原正方形中按顺时针的这个顺序扫描）。 别忘了，在原正方形中，最后一条边和第一条边是连一起的，为了方便后续处理，我把 flatPoints 中的坐标多复制了一份，每个坐标加上 side*4 ，拼接在 flatPoints 后面，整个序列依旧有序。 扫描 flatPoints 此时相当于顺时针绕原正方形两圈，为什么要这样做呢…可以看后面… 2.3. 枚举起点，找另外 k-1 个点，看看能不能凑齐 k 个 题目要找 k 个点，也就是从 flatPoints 中抽出一个长度为 k 的子序列。 咱们 现在要求子序列中，任意两点间的曼哈顿距离至少是 dist 可以在 flatPoints 中枚举每个起点，假设起点是 flatPoints[i] : 点坐标的上界是 side*4 - dist + flatPoints[i] 如果从 0 开始算坐标，最后一个点的坐标必然不能超过 side*4 - dist ，因为这是一个环形序列，如果超过了这个值， 最后一个点 -> 首个点 的距离就会小于 dist 。 因为我们现在的起点坐标是 flatPoints[i] ，因此还要加上这个值。 从 point=flatPoints[i] 开始，通过 lower_bound 算法找到下面首个 >= point+dist 的坐标点 point' ，赋值 point=point' ，如此反复直到： point' 超出上界。（没凑齐，man！） point' 没找到。（没凑齐，what can I say!） 找到了 k-1 个点（加上起点正好 k 个，孩子们，凑齐了！） （这里可以看到，咱们在 2.2. 里多复制的一份 flatPoints 就有用了，可以模拟在环中任意一个点开始搜索子序列） 2.4. 更新区间边界 按照 2.3. 的思路，如果能凑齐 k 个坐标点，说明这 k 个坐标点的最小曼哈顿距离至少是 dist 。 因为题目要求最大化 dist ，这种时候就可以更新结果，移动左边界。 如果凑不齐，说明 dist 太大了，则移动右边界。 如此二分逼近，最终必然能得到满足题目要求的结果。 代码 真写力竭了… class Solution { public: int maxDistance(int side, vector<vector<int>>& points, int k) { // 要找到一对点，其之间的曼哈顿距离比其他对的曼哈顿距离都小 // 同时要最大化这一对点的曼哈顿距离 // 注意点都在边上，互不相同 // k 最小是 4，最大只能是 25，这个范围有些意味深 // - k>4 个点放在边界上，必然至少有两个点会在同一条边上 // - k=4 个点放在边界上，整个正方形周长是 4*side，可以证明无论我怎么放四个点，必然有两个点距离是 <= side 的 // 也就是说无论怎么选出 k 对，其中两个点的最小曼哈顿距离一定 <= side // 如果把四条边展开铺平，那么所有的点就在同一条线 seq 上了，但是要注意其是首尾相连的 // 现在要做的就是从这条线 seq 中选 k 个点组成 subseq，使得选中的 subseq 中相邻点的最短距离 dist 最大 // 二分找 dist，因为必然有两个点距离 <= side，因此 dist<=side。因为题目给的数据是离散的，有 dist>=1 // 枚举每个点为起点，限定最短距离是 dist，往后找 k 个点，直至找到的点距离起点超过 side*4 - dist 时停止， // 因为 subseq 是一个环形序列，如果 [起点 -> 最后一个点] 超过 side*4 - dist，那么从环形的角度看 [最后一个点 -> 起点] 就小于 dist，不满足至少为 dist // 先把点展平到线性序列上 // 注意左下角是原点，可以顺时针展开 vector<long long> flatPoints; for(vector<int>& p:points){ if(p[0]==0){ // (0, y) 上的点 -> y flatPoints.emplace_back(p[1]); }else if(p[1]==side){ // (x, side) 上的点 -> side + x flatPoints.emplace_back((long long)side+p[0]); }else if(p[0]==side){ // (side, y) 上的点 -> side*3 - y flatPoints.emplace_back((long long)side*3 - p[1]); }else{ // (x, 0) 上的点 -> side*4 - x flatPoints.emplace_back((long long)side*4 - p[0]); } } // 噢对了，题目给的 points 不一定有序，为了方便处理还得先排个序 sort(flatPoints.begin(),flatPoints.end()); // 注意！flatPoints 是环形序列，为了方便处理，再拼接一份在后面 int numPoints=flatPoints.size(); for(int i=0;i<numPoints;i++){ flatPoints.emplace_back((long long)side*4+flatPoints[i]); } // 练习实现 lower_bound，找到首个 >=arr 的位置 // 没有找到会返回 -1 auto lb=[&](vector<long long>& arr, int start, long long target) -> int { int l=start,r=arr.size()-1; while(l<=r){ int mid=l+((r-l)>>1); if(arr[mid]<target){ l=mid+1; }else{ r=mid-1; } } if(l<start||l>=arr.size()){ return -1; } return l; }; // 检查序列中是否有满足最小相邻距离是 dist 且有 k 个元素的子序列 auto check=[&](long long dist) -> bool { // 枚举起点 for(int i=0;i<flatPoints.size();i++){ // 和子序列首个元素的距离上界 // 注意因为是环形数组，现在起点是 flatPoints[i]，上界也要加上这么多 long long upper=(long long)side*4-dist+flatPoints[i]; // 从 flatPoints[i] 开始看看能不能找到 k 个符合要求的元素组成序列 bool found=true; long long prevCoord=flatPoints[i]; // 前一个元素的坐标 for(int c=1;c<k;c++){ // prevCoord 已经算一个点，所以还需要找 k-1 个 // 距离 prevCoord 至少有 dist 的下一个元素 int idx=lb(flatPoints,i+1,prevCoord+dist); if(idx==-1||flatPoints[idx]>upper){ // 没有找到，或者触及上界 side*4 - dist found=false; break; } prevCoord=flatPoints[idx]; } if(found){ // 有这样的序列 return true; } } return false; }; // 二分找最终的结果 dist，找上界 int distL=1,distR=side; int res=0; while(distL<=distR){ int dist=distL+((distR-distL)>>1); // 现在限定选中序列中相邻两点之间距离至少为 dist if(check(dist)){ // 如果这个 dist 下可以就缩减左边界 distL=dist+1; res=dist; }else{ // 否则缩减右边界 distR=dist-1; } } return res; } }; 4 个帖子 - 4 位参与者 阅读完整话题
试了指定分辨率，指定比例，输出的图片还是正方形的，有没有同样使用Cherry Studio遇到这个问题的佬友 1 个帖子 - 1 位参与者 阅读完整话题