实射影空间中的直线打包
文献中也称Grassmannian line packingline packing in real projective spaceoptimal packings in Grassmannian spacesequiangular lines
在 Rᵈ 中选 n 条过原点的直线,使任意两条直线夹角的最小值尽可能大,也就是最小化最大重合度 μ = max |cos∠(vᵢ, vⱼ)|。
严格定义
- 容器d 维实空间 Rᵈ,所有直线都过原点;答案是实射影空间 RPᵈ⁻¹ 中的 n 个点
- 提交恰好 n 个非零向量,每个 d 个坐标;向量代表它张成的直线
- 重合度μ² 是所有直线对中最大的归一化内积平方,验证器直接用有理数交叉相乘比较大小
- 计分纪录存为 ceil(μ²·10¹⁸);页面显示 μ,向上取整到第 9 位小数
- 目标在所有合法直线族中让 μ²(等价地 μ)尽可能小
帮助理解
换一种说法
当 d = 4 时,把非零向量归一化就得到单位四元数,其中 q 与 −q 代表同一个三维旋转。因此 d = 4 的子题相当于在三维空间里挑 n 个彼此最分散的旋转姿态,这在机器人姿态采样和图形渲染里很常见。
前沿在哪里
Grassmannian 框架常用于抗噪与抗擦除编码、无线通信和压缩感知。Sloane 的打包表长期维护这些参数下的已知最优结果并公开征集改进;在 d = 3 下,严格最优性证明只到 n = 8。2026 年 10 月,zzzcy 提交并经本站核验的证明解决了 d = 5、n = 16:有理坐标无法达到 Rankin 界 1/√5,当前纪录已是九位小数网格上的最优解。
查看来源所有 n 的当前最佳解
每个规模参数 n 都是一个独立计分的子题。点击任意卡片可查看当前纪录构型,或打开编辑器提交更优解答。
讨论区(0)↓引用与数据
该题族所有子题的权威分数、证明状态、坐标数据与文献来源均汇总于下方稳定链接,按 CC BY 4.0 协议发布。由于分数随纪录刷新而更新,引用时请同时注明文件中的 generatedAt 时间戳。
GET https://minmaxarena.com/data/line-packing.json
引用建议使用 2026-10 冻结归档版:实时纪录会变,但冻结版永久固定,便于日后核查。
GET https://minmaxarena.com/data/editions/2026-10/line-packing.json
BibTeX(点击复制)
@misc{minmaxarena-line-packing-2026-10,
title = {{Line packing in real projective space} (P60)},
author = {{MinMax Arena}},
year = {2026},
note = {Machine-verified records, 2026-10 edition},
url = {https://minmaxarena.com/data/editions/2026-10/line-packing.json},
license = {CC BY 4.0}
}讨论区
欢迎交流解题思路、分享构造方法或探讨卡壳之处。所有登录用户均可发帖;发言使用与排行榜一致的公开署名,并附带唯一注册编号(#UID)以防冒名。新发言经审核后公开。
暂无讨论,欢迎发表第一篇帖子。
按选手与子题归档,默认展示最新一篇。历史版本与回复完整保留,点击即可展开查看或回复。求解笔记可在提交破纪录答案时一并发布。
暂无求解笔记。