Codeforces Round #339 (Div. 2) C.cpp

题目的意思是一个多边形绕着多边形外一点旋转,扫过的面积是多少,

设距离旋转点最远的点的距离是r1(一定在多边形顶点),最近的点(可能在多边形边上)。

最远的点很好写吗,最近的点需要讨论一下来写,不过也不难写,题目精度的话,都用double就可以过了。

#include<iostream>
#include<cstdio>
#include<cmath>
#include<cstdlib>
#include<cstring>
#include<algorithm>
using namespace std;
int n;
double x[100100],y[100100],px,py;
double sqr(double x) {return x*x;}
double cj(double x1,double y1,double x2,double y2)
{
	return (x1-px)*(y2-py)-(x2-px)*(y1-py);
}
int main()
{
	double maxf=0;
	double minf=1000000000000;
	scanf("%d%lf%lf",&n,&px,&py);
	for (int i=1;i<=n+1;i++)
	{
		if (i<=n)
		{
			scanf("%lf%lf",&x[i],&y[i]);
			maxf=max(maxf,sqr(x[i]-px)+sqr(y[i]-py));
			minf=min(minf,sqr(x[i]-px)+sqr(y[i]-py));
		}
		else
		{
			x[i]=x[n];
			y[i]=y[n];
		}
		int tmp;
		if (i==1) continue;
		if (i>1&&i<=n) tmp=i-1;
		else tmp=1;
		if (fabs(x[i]-x[tmp])<1e-6) 
		{
			if (((py>y[i]&&py<y[tmp])||(py>y[tmp]&&py<y[i]))&&minf>sqr(x[i]-px))
				minf=sqr(x[i]-px);
		}
		else if (fabs(y[i]-y[tmp])<1e-6) 
		{
			if (((px>x[i]&&px<x[tmp])||(px>x[tmp]&&px<x[i]))&&minf>sqr(y[i]-py))
				minf=sqr(y[i]-py);
		}
		else 
		{
			double k=-(x[tmp]-x[i])/(y[tmp]-y[i]);
			double tmpx=px+1;
			double tmpy=py+k;
			if (cj(tmpx,tmpy,x[i],y[i])*cj(tmpx,tmpy,x[tmp],y[tmp])<0)
				minf=min(minf,sqr(fabs(cj(x[i],y[i],x[tmp],y[tmp])))/(sqr(x[tmp]-x[i])+sqr(y[tmp]-y[i])));
		}
	}
	printf("%.18f",(maxf-minf)*3.14159265358979323846264338);
	return 0;
}


内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)和径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此项目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
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