2013寒假练习 1036 篱笆长度

本文介绍了一种算法,用于计算平面上一系列点构成的凸包周长加上半径为l的圆的周长。该算法首先找到最左侧的点作为起点,然后使用Graham扫描算法确定凸包上的点。最后通过计算这些点间的距离来得出凸包周长。

地址:http://acm.bit.edu.cn/mod/programming/view.php?a=522

做过好几遍的题。。答案等于凸包周长+半径为l的圆的周长。n=1,2特判下就行。。

WA了无数次。。全改double就过了

#include <iostream>
#include <cmath>
#include <algorithm>
#define PI acos(-1.0)
using namespace std;
int n,l;
int top;
struct point
{
	int x,y;
}p[100005],stack[100005];
double dis0(point a,point b)
{
	return sqrt((double)((a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y)));
}
double chaji(point a,point b,point c)  //BA*CA
{
	return (b.x-a.x)*(c.y-a.y)-(b.y-a.y)*(c.x-a.x);
}
bool cmp(point a,point b)
{
	int ans;
	ans=chaji(p[0],a,b);
	if(ans>0) return true;
	else if(ans==0&&dis0(a,p[0])<dis0(b,p[0])) return true;
	return false;	
}
void graham()
{
	int i;
	top=0;
	stack[top++]=p[0],stack[top++]=p[1],stack[top++]=p[2];
	for(i=3;i<n;stack[top++]=p[i++])
	{
		while(top>=2&&chaji(stack[top-2],stack[top-1],p[i])<0) top--;
	}
}
int main()
{
	point temp;
	double res;
	int i;
	int min;
	int ni;
	while(scanf("%d%d",&n,&l)!=EOF)
	{
		min=2000000000;
		for(i=0;i<n;i++)
		{
			scanf("%d%d",&p[i].x,&p[i].y);
			if(min>p[i].x) min=p[i].x,ni=i;
			else if(min==p[i].x&&p[ni].y<p[i].y) ni=i;
		}	
		if(n==1)
		{
			printf("%.2lf\n",2*PI*l);
			continue;
		}
		if(n==2)
		{
			res=dis0(p[0],p[1]);
			printf("%.2lf\n",res*2+2*PI*l);
			continue;
		}
		temp=p[0],p[0]=p[ni],p[ni]=temp;
		sort(p+1,p+n,cmp);
		graham();
		res=0;
		for(i=0;i<top-1;i++)
		{
			res+=dis0(stack[i],stack[i+1]);
		}
		res+=dis0(stack[top-1],stack[0]);
		res+=2*PI*l;
		printf("%.2lf\n",res);
	}
	return 0;
}


 

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
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