HDU 5826 physics(物理)

本文探讨了在数轴上多个等质量小球发生完全弹性碰撞的情况,通过数学推导得出碰撞后小球速度的变化规律,并提供了一种高效查询特定时刻第k大速度的方法。

Description
数轴上有n个等质量小球,每个小球有一个初速度vi和一个运动方向,运动过程小球的加速度和速度乘积是常数c,两小球碰撞看作完全弹性碰撞,q次查询,每次查询t s后速度第k大的小球速度
Input
第一行一整数T表示用例组数,每组用例首先输入两个整数n和c表示小球数量以及小球运动过程中加速度和速度的乘积,之后n行每行三个整数xi,vi,di表示该小球的初始位置、初速度以及初始运动方向(-1向左1向右),然后输入一整数q表示查询数,最后q行每行两个整数t和k表示查询t s后速度第k大的小球速度
(n,q<=10^5,c<=10^9,1<=vi<=10^5,1<=xi<=10^9,t<=10^9,1<=k<=n)
Output
对于每次查询,输出t s后速度第k大的小球速度,结果保留到小数点后三位
Sample Input
1
3 7
3 3 1
3 10 -1
2 7 1
3
2 3
1 2
3 3
Sample Output
6.083
4.796
7.141
Solution
高中物理题,由于小球质量均相同且碰撞是完全弹性碰撞,故碰撞只是交换速度,而查询只是查询第k大的速度,故此处完全不用考虑碰撞,将碰撞的两小球看作互相“穿过”即可,对于初速度为v0的小球,下面来求其t s后的速度
这里写图片描述
由结果看出v0越大v越大,故首先对v0排序,之后对于每次查询,由上述公式算出第k个小球的速度即为答案
Code

#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cmath>
using namespace std;
#define maxn 111111
int T,n,c,q,v[maxn],x,d;
int main()
{    
    scanf("%d",&T);
    while(T--)
    {
        scanf("%d%d",&n,&c);
        for(int i=1;i<=n;i++)scanf("%d%d%d",&v[i],&x,&d);
        sort(v+1,v+n+1);
        scanf("%d",&q);
        while(q--)
        {
            int t,k;
            scanf("%d%d",&t,&k);
            double ans=sqrt(2.0*c*t+1.0*v[k]*v[k]);
            printf("%.3f\n",ans);
        }
    }
    return 0;
}
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化训练,到执行分类及结果优化的完整流程,并介绍了精度评价通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略效果评估体系,涵盖当前企业传播面临的预算、资源、内容效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放GEO优化,提升品牌在AI搜索中的权威性可见性;④通过数据驱动评估体系量化品牌影响力销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析工具指南进行系统学习,重点关注媒体适配性策略GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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