UVaOJ 152 - Tree's a Crowd

本文介绍了一个算法问题:在三维直角坐标系中,给定一系列点的坐标,如何计算每个点到其他点的最短距离,并统计这些距离落在1到10范围内的点的数量。通过O(n²)的方法,尽管效率不高,但仍然能在3秒的时间限制内解决问题。

AOAPC I: Beginning Algorithm Contests (Rujia Liu) :: Volume 1. Elementary Problem Solving ::Sorting/Searching


Description

在一个三维直角坐标系中, 存在 n 个点。

对于某个点, 设离它最近的点的距离为 dis 。
给出所有点的坐标, 要求求出 dis 在1~10以内的点的数量。


Type

Sorting/Searching


Analysis

n <= 5000, 时限 3s。

直接用 O(n^2) 的暴力,居然过了。


Solution

// UVaOJ 152
// Tree's a Crowd
// by A Code Rabbit

#include <algorithm>
#include <cmath>
#include <cstdio>
#include <cstring>
using namespace std;

const int MAXN = 5002;
const int MAXR = 257;

struct Point {
    int x, y, z;
};

Point pt[MAXN];
bool bo[MAXR][MAXR][MAXR];
int ans[12];

int GetSqrDis(Point a, Point b);
void PushAns(int dis, int idx);

int main() {
    // Input.
    memset(bo, false, sizeof(bo));
    int top = 0;
    while (scanf("%d%d%d", &pt[top].x, &pt[top].y, &pt[top].z)) {
        if (pt[top].x || pt[top].y || pt[top].z) {
            bo[pt[top].x][pt[top].y][pt[top].z] = true;
            top++;
        } else {
            break;
        }
    }
    // Solve.
    memset(ans, 0, sizeof(ans));
    for (int i = 0; i < top; i++) {
        int min_sqr_dis = 100;
        for (int j = 0; j < top; j++)
            if (i != j) min_sqr_dis = min(GetSqrDis(pt[i], pt[j]), min_sqr_dis);
        PushAns(min_sqr_dis, 10);
    }
    // Output.
    for (int i = 0; i < 10; i++)
        printf("%4d", ans[i]);
    puts("");

    return 0;
}

int GetSqrDis(Point a, Point b) {
    return pow(a.x - b.x, 2) + pow(a.y - b.y, 2) + pow(a.z - b.z, 2);
}

void PushAns(int dis, int idx) {
    if (dis >= idx * idx)
        ans[idx]++;
    else
        PushAns(dis, idx - 1);
}

源码地址: https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
《基于STM32微控制器集成温湿度监测与显示功能的系统实现方案》 本方案提供了一套完整的嵌入式系统设计参考,实现了环境参数的实时采集、可视化呈现与异常状态提示。系统核心采用意法半导体公司生产的STM32系列32位微控制器作为主控单元,负责协调各外设模块的工作流程。 系统通过数字式温湿度复合传感器周期性获取环境参数,该传感器采用单总线通信协议,具有响应迅速、数据可靠的特点。采集到的数值信息通过两种途径进行处理:首先,数据被传输至有机发光二极管显示屏进行实时图形化显示,该显示屏支持高对比度输出,能够在不同光照条件下清晰呈现当前温度与湿度数值;其次,所有采集数据同时通过通用异步收发传输接口输出,可供上位机软件进行记录与分析。 当监测参数超出预设安全范围时,系统会启动声学警示装置,该装置可发出不同频率的提示音,以区分温度异常或湿度异常状态。所有功能模块的驱动代码均采用模块化设计原则编写,包含完整的硬件抽象层接口定义、传感器数据解析算法、显示缓冲区管理机制以及串口通信协议实现。 本参考实现重点阐述了多外设协同工作的时序控制策略、低功耗数据采集模式的应用方法,以及确保系统稳定性的错误处理机制。代码库中包含了详细的初始化配置流程、中断服务程序设计和各功能模块的应用程序接口说明,为嵌入式环境监测系统的开发提供了可靠的技术实现范例。 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
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