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);
}

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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
 
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