UVALive - 6135 Environment Protection 二分+simpson

本文介绍了一种结合二分法与辛普森法解决特定数学问题的方法,通过给定宽度W和深度D的区域,利用二分法逐步逼近目标深度d,并采用辛普森法精确计算y1y2间函数曲线与x轴围成的面积A,确保计算精度。
部署运行你感兴趣的模型镜像

题目:给你宽为W,深度为D的一块区域,再给你p1,q1,p2,q2;y1=p1/q1,y2=p2/q2,让你确定一个深度d,使得y1y2之间的面积在W*d这个区域内为A.

思路:二分+辛普森

代码:

#pragma comment(linker, "/STACK:1024000000,1024000000")
#include<iostream>
#include<algorithm>
#include<ctime>
#include<cstdio>
#include<cmath>
#include<cstring>
#include<string>
#include<vector>
#include<map>
#include<set>
#include<queue>
#include<stack>
#include<list>
#include<numeric>
using namespace std;
#define LL long long
#define ULL unsigned long long
#define INF 0x3f3f3f3f
#define mm(a,b) memset(a,b,sizeof(a))
#define PP puts("*********************");
template<class T> T f_abs(T a){ return a > 0 ? a : -a; }
template<class T> T gcd(T a, T b){ return b ? gcd(b, a%b) : a; }
template<class T> T lcm(T a,T b){return a/gcd(a,b)*b;}
// 0x3f3f3f3f3f3f3f3f
// 0x3f3f3f3f

const double eps=1e-6;//根据实际情况修改
double arr[4][10];
double W,D,A,mid;
int K;
double F(double x,double *p,double *q){
	//Simpson公式用到的函数
    double fz=0,fm=0;
    for(int i=0;i<=K;i++){
        fz=x*fz+p[i];
        fm=x*fm+q[i];
    }
    return max(mid,fz/fm);
}
double simpson(double a, double b,double *p,double *q){
	double c = a + (b - a) / 2;
	return (F(a,p,q) + 4 * F(c,p,q) + F(b,p,q))*(b - a) / 6;
}
double asr(double a, double b, double eps, double A,double *p,double *q){
	double c = a + (b - a) / 2;
	double L = simpson(a, c,p,q), R = simpson(c, b,p,q);
	if (fabs(L + R - A) <= 15 * eps) return L + R + (L + R - A) / 15.0;
	return asr(a, c, eps / 2, L,p,q) + asr(c, b, eps / 2, R,p,q);
}
double asr(double a, double b, double eps,double *p,double *q){
	return asr(a, b, eps, simpson(a, b,p,q),p,q);
}
int main(){

    while(~scanf("%lf%lf%lf%d",&W,&D,&A,&K)){
        for(int i=0;i<=3;i++)
            for(int j=K;j>=0;j--)
                scanf("%lf",&arr[i][j]);
        double l=-D,r=0,ans;
        while(r-l>eps){
            mid=(l+r)/2;
            double area=asr(0,W,eps,arr[0],arr[1])-asr(0,W,eps,arr[2],arr[3]);
            if(area>=A){
                ans=mid;
                l=mid;
            }
            else r=mid;
        }
        printf("%.5f\n",f_abs(ans));
    }
    return 0;
}


您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值