【POJ 3348】Cows(Andrew求凸包法)

本文详细介绍了计算几何中凸包算法的实现过程,包括使用Andrew算法来寻找二维平面上点集的凸包,通过定义点、向量运算、交叉乘积等基本概念,逐步解析如何筛选出构成凸包的点,并给出完整的C++代码实现。

https://blog.youkuaiyun.com/linkfqy/article/details/72861176

#include<iostream>
#include<cmath>
#include<algorithm>
#define N 10005
#define eps 1e-6
using namespace std;
int n;
struct Point
{
    double x,y;
    Point(double x=0,double y=0):x(x),y(y){}
}p[N];
typedef Point Vector;
Vector operator +(Point a,Vector b)
{
    return Point(a.x+b.x,a.y+b.y);
}
Vector operator -(Point a,Point b)
{
    return Point(a.x-b.x,a.y-b.y);
}
Vector operator *(Vector a,double k)
{
    return Point(a.x*k,a.y*k);
}
double Dot(Vector a,Vector b)
{
    return (a.x*b.x)+(a.y*b.y);
}
double Cross(Vector a,Vector b)
{
    return (a.x*b.y)-(a.y*b.x);
}
double Len(Vector a)
{
    return sqrt(Dot(a,a));
}
inline bool cmp(const Point &a,const Point &b)
{
    if(fabs(a.x-b.x)>eps)   return a.x<b.x;
    else    return a.y<b.y;
}

int sta[N];
void Andrew()
{
    sta[1]=1;
    int top=1;
    for(int i=2;i<=n;i++)
    {
        while(top>1&&(Cross(p[i]-p[sta[top-1]],p[sta[top]]-p[sta[top-1]])<eps)) top--;
        sta[++top]=i;
    }
    int k=top;
    for(int i=n-1;i>=1;i--)
    {
        while(top>k&&(Cross(p[i]-p[sta[top-1]],p[sta[top]]-p[sta[top-1]])<eps)) top--;
        sta[++top]=i;
    }
    double ans=0;
    for(int i=1;i<top;i++)
    {
        ans+=Cross(p[sta[i]]-p[sta[1]],p[sta[i+1]]-p[1]);
    }
    cout<<abs(int(ans/100))<<endl;
}
int main()
{
    cin>>n;
    for(int i=1;i<=n;i++)
    {
        cin>>p[i].x>>p[i].y;        
    }
    sort(p+1,p+n+1,cmp);
    Andrew();
    return 0;
}

转载于:https://www.cnblogs.com/Patrickpwq/articles/9808850.html

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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  | 博主筛选后可见
 
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