转载 https://www.cnblogs.com/zwfymqz/p/8253530.html
本文只讨论二维空间中的曼哈顿距离与切比雪夫距离
曼哈顿距离
定义
设平面空间内存在两点，它们的坐标为(x1,y1) (x2,y2) .
则 
即两点横纵坐标差之和, 两点在南北方向上的距离加上在东西方向上的距离
煮个栗子
如图所示，图中A,B 两点的曼哈顿距离为AC+BC=4+3=7
切比雪夫距离
定义
设平面空间内存在两点，它们的坐标为(x1,y1)，(x2,y2)
则dis=max(|x1−x2|,|y1−y2|)
即两点横纵坐标差的最大值
再煮个栗子
dis=max(AC,BC)=AC=4
两者之间的关系
两者的定义看上去好像毛线关系都没有，但实际上，这两种距离可以相互转化！
我们考虑最简单的情况，在一个二维坐标系中，设原点为(0,0)
如果用曼哈顿距离表示，则与原点距离为1的点会构成一个边长为√2的正方形
如果用切比雪夫距离表示，则与原点距离为1的点会构成一个边长为2的正方形
仔细对比这两个图形，我们会发现这两个图形长得差不多，他们应该可以通过某种变换互相转化。
事实上,
将一个点(x,y)的坐标变为 后,原坐标系中的曼哈顿距离 == 新坐标系中的切比雪夫距离
将一个点(x,y)的坐标变为 后,原坐标系中的切比雪夫距离 == 新坐标系中的曼哈顿距离
用处
切比雪夫距离在计算的时候需要取max，往往不是很好优化，对于一个点，计算其他点到该的距离的复杂度为O(n)
而曼哈顿距离只有求和以及取绝对值两种运算，我们把坐标排序后可以去掉绝对值的影响，进而用前缀和优化，可以把复杂度降为O(1) .
题目 : https://www.luogu.org/problemnew/show/P3964
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/209519.html原文链接：https://javaforall.net
