python - n维点集凸包的顶点

Question

我在维度 n 中有一组给定的点。在这些中，我想找到那些，它们是凸包的顶点(角)。 我想用 Python 解决这个问题(但可能会调用其他程序)。

编辑:所有坐标都是自然数。作为输出，我正在寻找顶点的索引。

谷歌搜索通常会在 2D 中产生问题，或者要求列出面孔，这在计算上要困难得多。

到目前为止我自己的尝试

• scipy.spatial.ConvexHull():为我当前的示例抛出错误。而且我认为，我已经阅读过，它不适用于 10 以上的维度。我的主管也反对它。

• Normaliz(作为 polymake 的一部分):有效，但速度太慢。但也许我做错了什么。

  import PyNormaliz
  def find_column_indices(A,B):
    return [i for i in range(A.shape[1]) if list(A[:,i]) in B.T.tolist()]
  
  def convex_hull(A):
    poly = PyNormaliz.Cone(polytope = A.T.tolist())
    hull_cone = poly.IntegerHull()
    hull_vertices = np.array([entry[:-1] for entry in hull_cone.VerticesOfPolyhedron()]).T
    hull_indices = find_column_indices(A, hull_vertices)
    return hull_indices
  

• 用线性规划求解:有效，但完全没有优化，所以我认为必须有更好的解决方案。

  import subprocess
  from multiprocessing import Pool, cpu_count
  from scipy.optimize import linprog
  import numpy as np
  
  def is_in_convex_hull(arg):
    A,v = arg
    m = A.shape[1]
    A_ub = -np.eye(m,dtype = np.int)
    b_ub = np.zeros(m)
    res = linprog([1 for _ in range(m)],A_ub,b_ub,A,v)
    return res['success']
  
  def convex_hull2(A):
    pool = Pool(processes = cpu_count())
    res = pool.map(is_in_convex_hull,[(np.delete(A,i,axis=1),A[:,i]) for i in range(A.shape[1])])
    return [i for i in range(A.shape[1]) if not res[i]]
  

例子:

A = array([[  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1],
...:        [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  2,  2,  2,  2,  4,  6,  6,  6,  8,  1,  2,  2,  2,  2,  3,  2,  1,  2,  1,  2,  1,  1,  1,  1,  2,  2,  2,  3,  1,  2,  2,  1,  2,  1,  1,  1,  2,  1,  2],
...:        [ 0,  0,  0,  0,  0,  2,  2,  4,  6,  0,  0,  2,  4,  0,  0,  2,  2,  2,  1,  2,  1,  1,  1,  1,  1,  2,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  0,  2,  0,  1,  0,  1],
...:        [ 0,  0,  2,  4,  4,  2,  2,  0,  0,  0,  6,  2,  0,  4,  0,  2,  4,  0,  1,  1,  2,  2,  2,  1,  1,  1,  2,  1,  1,  1,  2,  1,  1,  2,  1,  2,  1,  1,  1,  2,  1,  1,  1,  1,  1,  1,  1,  1],
...:        [ 0,  6,  0,  2,  4,  0,  6,  4,  2,  2,  0,  0,  8,  4,  8,  4,  0,  2,  4,  2,  2,  2,  2,  2,  2,  2,  2,  3,  3,  2,  2,  2,  2,  2,  4,  2,  2,  1,  1,  1,  2,  3,  2,  2,  2,  2,  1,  2],
...:        [ 0,  2, 14,  0,  4,  6,  0,  0,  4,  0,  2,  0,  4,  4,  4,  0,  0,  2,  2,  2,  2,  2,  2,  1,  2,  4,  1,  3,  2,  1,  1,  1,  1,  2,  1,  4,  1,  1,  0,  1,  1,  1,  2,  3,  1,  1,  1,  1],
...:        [ 0,  0,  0,  2,  6,  0,  4,  6,  0,  0,  6,  2,  2,  0,  0,  2,  2,  0,  1,  1,  2,  1,  2,  1,  1,  1,  1,  1,  1,  1,  2,  2,  1,  1,  1,  1,  1,  1,  1,  2,  1,  1,  1,  1,  1,  1,  0,  1],
...:        [ 0,  2,  2, 12,  2,  0,  0,  2,  0,  8,  2,  4,  0,  4,  0,  4,  0,  0,  2,  1,  2,  1,  1,  2,  1,  1,  4,  2,  1,  2,  3,  1,  3,  2,  2,  2,  1,  1,  2,  1,  1,  1,  1,  1,  3,  1,  1,  2],
...:        [ 0,  8,  2,  0,  0,  2,  2,  4,  4,  4,  2,  4,  0,  0,  2,  0,  0,  6,  2,  2,  1,  1,  1,  3,  2,  2,  1,  2,  2,  1,  2,  1,  2,  1,  3,  1,  2,  1,  1,  1,  1,  3,  1,  3,  2,  2,  0,  1]])

yield 运行时间

In [44]: %timeit convex_hull(A)
1.79 s ± 16.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [45]: %timeit convex_hull2(A)
337 ms ± 3.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

稍微大一点的例子，比例更差，所以也不能用并行化来解释。

感谢任何帮助或改进。

Answer 1

您可以通过以下方式更改您的is_in_convex_hull 方法:

def convex_hull(A):
    vertices = A.T.tolist()
    vertices = [ i + [ 1 ] for i in vertices ]
    poly = PyNormaliz.Cone(vertices = vertices)
    hull_vertices = np.array([entry[:-1] for entry in poly.VerticesOfPolyhedron()]).T
    hull_indices = find_column_indices(A, hull_vertices)
    return hull_indices

算法的 Normaliz 版本将运行得更快。