uva_10250 - The Other Two Trees

Problem E

The Other Two Trees

Input: standard input

Output: standard output

Time Limit: 2 seconds

 

You have a quadrilateral shaped land whose opposite fences are of equal length. You have four neighbors whose lands are exactly adjacent to your four fences, that means you have a common fence with all of them. For example if you have a fence of length d in one side, this fence of length d is also the fence of the adjacent neighbor on that side. The adjacent neighbors have no fence in common among themselves and their lands also don’t intersect. The main difference between their land and your land is that their lands are all square shaped. All your neighbors have a tree at the center of their lands. Given the Cartesian coordinates of trees of two opposite neighbors, you will have to find the Cartesian coordinates of the other two trees.

 

Input

The input file contains several lines of input. Each line contains four floating point or integer numbers x1, y1, x2, y2, where (x1, y1), (x2, y2) are the coordinates of the trees of two opposite neighbors. Input is terminated by end of file.

 

Output

For each line of input produce one line of output which contains the line “Impossible.” without the quotes, if you cannot determine the coordinates of the other two trees. Otherwise, print four floating point numbers separated by a single space with ten digits after the decimal point ax1, ay1, ax2, ay2, where (ax1, ay1)  and (ax2, ay2) are the coordinates of the other two trees. The output will be checked with special judge program, so don’t worry about the ordering of the points or small precision errors. The sample output will make it clear.

 

Sample Input

10 0 -10 0

10 0 -10 0

10 0 -10 0

 

Sample Output

0.0000000000 10.0000000000 0.0000000000 -10.0000000000

0.0000000000 10.0000000000 -0.0000000000 -10.0000000000

0.0000000000 -10.0000000000 0.0000000000 10.0000000000


     以平行四边形的四个边向外做四个正方形,这四个正方形的中心点围成正方形,证明略。。。然后知道两个顶点坐标先求出中心点坐标,再用向量就可以很快求出

    刚开始用float wa了,精度不够,改成double后ac

  

#include <iostream>
#include <iomanip>
using namespace std;

int main()
{
    double x1, y1, x2, y2;
    while ( cin >> x1 >> y1 >> x2 >> y2){
        double cx = ( x1+x2)/2, cy = ( y1+y2)/2;
        
        double vx = x1 - cx, vy = y1 - cy;
        cout << fixed << setprecision(10);
        cout << cx - vy << " " << cy + vx << " " << cx + vy << " " << cy - vx <<endl;

    }
    return 0;
}

成都市作为中国西部地区具有战略地位的核心都市,其人口的空间分布状况对于城市规划、社会经济发展及公共资源配置等研究具有基础性数据价值。本文聚焦于2019年度成都市人口分布的空间数据集,该数据以矢量格式存储,属于地理信息系统中常用的数据交换形式。以下将对数据集内容及其相关技术要点进行系统阐述。 Shapefile 是一种由 Esri 公司提出的开放型地理空间数据格式,用于记录点、线、面等几何要素。该格式通常由一组相互关联的文件构成,主要包括存储几何信息的 SHP 文件、记录属性信息的 DBF 文件、定义坐标系统的 PRJ 文件以及提供快速检索功能的 SHX 文件。 1. **DBF 文件**:该文件以 dBase 表格形式保存与各地理要素相关联的属性信息,例如各区域的人口统计数值、行政区划名称及编码等。这类表格结构便于在各类 GIS 平台中进行查询与编辑。 2. **PRJ 文件**:此文件明确了数据所采用的空间参考系统。本数据集基于 WGS84 地理坐标系,该坐标系在全球范围内广泛应用于定位与空间分析,有助于实现跨区域数据的准确整合。 3. **SHP 文件**:该文件存储成都市各区(县)的几何边界,以多边形要素表示。每个多边形均配有唯一标识符,可与属性表中的相应记录关联,实现空间数据与统计数据的联结。 4. **SHX 文件**:作为形状索引文件,它提升了在大型数据集中定位特定几何对象的效率,支持快速读取与显示。 基于上述数据,可开展以下几类空间分析: - **人口密度评估**:结合各区域面积与对应人口数,计算并比较人口密度,识别高密度与低密度区域。 - **空间集聚识别**:运用热点分析(如 Getis-Ord Gi* 统计)或聚类算法(如 DBSCAN),探测人口在空间上的聚集特征。 - **空间相关性检验**:通过莫兰指数等空间自相关方法,分析人口分布是否呈现显著的空间关联模式。 - **多要素叠加分析**:将人口分布数据与地形、交通网络、环境指标等其他地理图层进行叠加,探究自然与人文因素对人口布局的影响机制。 2019 年成都市人口空间数据集为深入解析城市人口格局、优化国土空间规划及完善公共服务体系提供了重要的数据基础。借助地理信息系统工具,可开展多尺度、多维度的定量分析,从而为城市管理与学术研究提供科学依据。 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!
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)》的技术资源,重点围绕电力系统中连锁故障的传播路径展开研究,提出了一种N-k多阶段双层优化模型,并结合故障场景筛选方法,用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现,具备较强的工程应用价值和学术参考意义,适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向,涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域,展示了广泛的仿真与复现能力。; 适合人群:具备电力系统、自动化、电气工程等相关背景,熟悉Matlab编程,有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标:①用于电力系统连锁故障建模与风险评估研究;②支撑高水平论文(如EI/SCI)的模型复现与算法验证;③为电网安全分析、故障传播防控提供优化决策工具;④结合YALMIP等工具进行数学规划求解,提升科研效率。; 阅读建议:建议读者结合提供的网盘资源,下载完整代码与案例进行实践操作,重点关注双层优化结构与场景筛选逻辑的设计思路,同时可参考文档中提及的其他复现案例拓展研究视野。
SQL增加筛选出EES_TOOL里面对应的NAME栏位,其他不变 WITH stats AS ( SELECT tool_id, seq_id, AVG(result) AS mean_result, STDDEV(result) AS stddev_result FROM ( SELECT start_time, tool_id, seq_id, result, ROW_NUMBER() OVER (PARTITION BY seq_id ORDER BY start_time DESC) AS rn FROM ( SELECT start_time, tool_id, seq_id, result, status FROM EES_FD_UVA_HIST PARTITION (P02_04_2025) UNION ALL SELECT start_time, tool_id, seq_id, result, status FROM EES_FD_UVA_HIST PARTITION (P12_04_2025) UNION ALL SELECT start_time, tool_id, seq_id, result, status FROM EES_FD_UVA_HIST PARTITION (P22_04_2025) ) subquery_level_1 WHERE EXISTS(select 1 from EES_TOOL EQP WHERE instr(NAME, 'AE')>0 and instr(name,'_')>0 and EQP.ID=subquery_level_1.tool_id ) AND status = 'NORMAL' AND result != 0 AND start_time >= TO_DATE('2025-04-01 00:00:00', 'YYYY-MM-DD HH24:MI:SS') AND start_time < TO_DATE('2025-05-01 00:00:00', 'YYYY-MM-DD HH24:MI:SS') ) subquery_level_2 WHERE rn <= 200 GROUP BY tool_id, seq_id ), final_results AS ( SELECT tool_id, seq_id, mean_result, mean_result + 3 * stddev_result AS plus_6sigma, mean_result - 3 * stddev_result AS minus_6sigma mean_result + 4 * stddev_result AS plus_6sigma, mean_result - 4 * stddev_result AS minus_6sigma mean_result + 5 * stddev_result AS plus_6sigma, mean_result - 5 * stddev_result AS minus_6sigma mean_result + 6 * stddev_result AS plus_6sigma, mean_result - 6 * stddev_result AS minus_6sigma mean_result + 7 * stddev_result AS plus_6sigma, mean_result - 7 * stddev_result AS minus_6sigma mean_result + 8 * stddev_result AS plus_6sigma, mean_result - 8 * stddev_result AS minus_6sigma mean_result + 9 * stddev_result AS plus_6sigma, mean_result - 9 * stddev_result AS minus_6sigma FROM stats ) SELECT * FROM final_results;
05-24
### 修改现有SQL查询以筛选EES_TOOL表中的NAME字段 为了满足需求,在现有的SQL查询中加入从`EES_TOOL`表筛选`NAME`字段的条件,同时保持其他逻辑不变,可以在查询语句中通过`JOIN`操作或者子查询的方式引入新的筛选条件。以下是两种常见的方法: #### 方法一:使用 `INNER JOIN` 进行连接 如果当前查询涉及多个表,则可以通过`INNER JOIN`将`EES_TOOL`表与其他表关联起来,并添加针对`NAME`字段的过滤条件。 假设原始查询如下: ```sql SELECT * FROM some_table t1; ``` 修改后的查询可以写成这样: ```sql SELECT t1.*, ees.NAME FROM some_table t1 INNER JOIN EES_TOOL ees ON t1.some_column = ees.some_column -- 假设存在某种关联关系 WHERE ees.NAME = '指定名称'; -- 添加 NAME 字段的筛选条件 ``` 此处的关键在于找到`some_table`与`EES_TOOL`之间的关联列[^1]。 --- #### 方法二:使用子查询方式 如果不希望改变原有查询结构,也可以采用子查询的形式来筛选`EES_TOOL`表中的`NAME`字段。 假设原始查询如下: ```sql SELECT * FROM some_table t1; ``` 则可以将其改写为: ```sql SELECT * FROM some_table t1 WHERE EXISTS ( SELECT 1 FROM EES_TOOL ees WHERE ees.some_column = t1.some_column AND ees.NAME = '指定名称' -- 筛选 NAME 条件 ); ``` 这种方式适用于不需要额外返回`EES_TOOL`表数据的情况,仅用于过滤记录[^2]。 --- #### 注意事项 1. **性能优化** 如果`EES_TOOL`表较大,建议在`NAME`字段上创建索引以提高查询效率。 2. **字段匹配** 需要确认`some_table`和`EES_TOOL`之间是否存在可关联的字段(如外键)。如果没有明确的关系,可能需要重新设计查询逻辑。 3. **动态参数化** 若目标是让`NAME`字段支持动态输入而非固定值,可通过绑定变量或存储过程实现。 --- ### 示例代码 以下是一个完整的示例,展示如何基于上述方法构建查询: ```sql -- 使用 INNER JOIN 的例子 SELECT t1.*, ees.NAME AS tool_name FROM some_table t1 INNER JOIN EES_TOOL ees ON t1.id = ees.foreign_id WHERE ees.NAME LIKE '%特定关键词%'; -- 使用子查询的例子 SELECT * FROM some_table t1 WHERE EXISTS ( SELECT 1 FROM EES_TOOL ees WHERE ees.foreign_id = t1.id AND ees.NAME IN ('name1', 'name2') ); ``` ---
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