На вашей диаграмме рассмотрите значение x + y для каждой ячейки
Для сортировки ячеек сверху вниз можно просто отсортировать по значению x+y
.
Вы на правильном пути с многомерным масштабированием (MDS), но MDS непрактичен для больших наборов данных, поскольку его временная сложность квадратична в числе очков. Можно хотеть посмотреть на FastMap, который имеет линейную временную сложность и лучше подходит для индексации. См.:
Christos Faloutsos и King-Ip Lin: "FastMap: Алгоритм FAST для Индексации, Анализа данных и Визуализации Традиционных и Мультимедийных Наборов данных, в материалах SIGMOD, 1995, doi:10.1145/223784.223812
Можно "обмануть" и использовать повторяющийся численный метод для этого. Возьмите все точки, чтобы быть в некоторых "случайных" положениях первоначально и затем цикле через них, отодвинув их друг от друга пропорционально к необходимому расстоянию. Это предпочтет, чтобы некоторые точки, но берущий в среднем перемещения прежде, чем применить их, затем применяя среднее число удалили эту проблему. Это - O (n ²) алгоритм, но очень простой реализовать и понять. В 2-м примере ниже ошибки <<10%, хотя это не может вести себя так хорошо, если данные расстояния нереалистичны.
Пример C++:
#include <conio.h>
#include <math.h>
#include <stdio.h>
#include <stdlib.h>
#define DAMPING_FACTOR 0.99f
class point
{
public:
float x;
float y;
public:
point() : x(0), y(0) {}
};
// symmetric matrix with distances
float matrix[5][5] = {
{ 0.0f, 4.5f, 1.5f, 2.0f, 4.0f },
{ 4.5f, 0.0f, 4.0f, 3.0f, 3.5f },
{ 1.5f, 4.0f, 0.0f, 1.0f, 5.0f },
{ 2.0f, 3.0f, 1.0f, 0.0f, 4.5f },
{ 4.0f, 3.5f, 5.0f, 4.5f, 0.0f }
};
int main(int argc, char** argv)
{
point p[5];
for(unsigned int i = 0; i < 5; ++i)
{
p[i].x = (float)(rand()%100)*0.1f;
p[i].y = (float)(rand()%100)*0.1f;
}
// do 1000 iterations
float dx = 0.0f, dy = 0.0f, d = 0.0f;
float xmoves[5], ymoves[5];
for(unsigned int c = 0; c < 1000; ++c)
{
for(unsigned int i = 0; i < 5; ++i) xmoves[i] = ymoves[i] = 0.0f;
// iterate across each point x each point to work out the results of all of the constraints in the matrix
// collect moves together which are slightly less than enough (DAMPING_FACTOR) to correct half the distance between each pair of points
for(unsigned int i = 0; i < 5; ++i)
for(unsigned int j = 0; j < 5; ++j)
{
if(i==j) continue;
dx = p[i].x - p[j].x;
dy = p[i].y - p[j].y;
d = sqrt(dx*dx + dy*dy);
dx /= d;
dy /= d;
d = (d - matrix[i][j])*DAMPING_FACTOR*0.5f*0.2f;
xmoves[i] -= d*dx;
ymoves[i] -= d*dy;
xmoves[j] += d*dx;
ymoves[j] += d*dy;
}
// apply all at once
for(unsigned int i = 0; i < 5; ++i)
{
p[i].x += xmoves[i];
p[i].y += ymoves[i];
}
}
// output results
printf("Result:\r\n");
for(unsigned int i = 0; i < 5; ++i)
{
for(unsigned int j = 0; j < 5; ++j)
{
dx = p[i].x - p[j].x;
dy = p[i].y - p[j].y;
printf("%f ", sqrt(dx*dx + dy*dy));
}
printf("\r\n");
}
printf("\r\nDesired:\r\n");
for(unsigned int i = 0; i < 5; ++i)
{
for(unsigned int j = 0; j < 5; ++j)
{
printf("%f ", matrix[i][j]);
}
printf("\r\n");
}
printf("Absolute difference:\r\n");
for(unsigned int i = 0; i < 5; ++i)
{
for(unsigned int j = 0; j < 5; ++j)
{
dx = p[i].x - p[j].x;
dy = p[i].y - p[j].y;
printf("%f ", abs(sqrt(dx*dx + dy*dy) - matrix[i][j]));
}
printf("\r\n");
}
printf("Press any key to continue...");
while(!_kbhit());
return 0;
}
Существует алгоритм для того, чтобы сделать это в Программировании Коллективного разума, p. 49, "Просматривая Данные в Двух Размерах", которые могли быть адаптированы к n-размерам.
Эй - это - многомерное масштабирование - таким образом, я предполагаю, что Вы на правильном пути.
Я не могу отредактировать оригинал, потому что у меня нет достаточного количества представителя, но я попытался вновь заявить о проблеме здесь.
OP имеет вход матрица NxN расстояний. Он хочет создать выходной массив, размер N, N-мерных координат, представляющих точки, где расстояние между каждой точкой хранится во входной матрице.
Обратите внимание, что это не разрешимо в общем случае:
Предположим, что у меня есть матрица как это
A B C A x 1 2 B x 0 C x
A является 1 единицей расстояния (скажите, что 1 метр), далеко от B, и A на расстоянии в один метр от C. Но B и C находятся в том же месте.
В данном случае минимальная сумма ошибок составляет 1 метр, и существует бесконечное множество решений, которые достигают того результата