GYM 100182 B.Euclid(计算几何)

本文介绍了一种解决特定几何问题的方法:如何找到两点G和H的坐标,使得由点A、B、G、H构成的平行四边形的面积等于由点D、E、F构成的三角形的面积。该问题通过编程实现,利用了向量和几何计算的知识。

Description
给出A,B,C,D,E,F的坐标,求H和G点坐标使得平行四边形ABGH的面积与三角形DEF面积相等
这里写图片描述
Input
多组用例,每组用例十二个实数表示六个点的横纵坐标,以12个0结束输入
Output
对于每组用例,输出G点和H点的横纵坐标
Sample Input
0 0 5 0 0 5 3 2 7 2 0 4
1.3 2.6 12.1 4.5 8.1 13.7 2.2 0.1 9.8 6.6 1.9 6.7
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
Sample Output
5.000 0.800 0.000 0.800
13.756 7.204 2.956 5.304
Solution
先求出以AB和AC为边的平行四边形面积和三角形DEF的面积,这两个面积的比值就是AC与AH长度的比值,然后就可以求出H点坐标,G点坐标通过A,B,H三点既可得到
Code

#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>
#include<cmath>
#include<vector>
#include<queue>
#include<map>
#include<set>
#include<ctime>
using namespace std;
typedef long long ll;
#define INF 0x3f3f3f3f
#define maxn 1111
struct node
{
    double x,y;
    void in()
    {
        scanf("%lf%lf",&x,&y);
    } 
}A,B,C,D,E,F,G,H;
double dis(node a,node b)
{
    return sqrt((a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y));
}
double angle(node a,node b,node c)
{
    double x1=b.x-a.x,y1=b.y-a.y;
    double x2=c.x-a.x,y2=c.y-a.y;
    return abs(x1*x2+y1*y2)/(dis(a,c)*dis(a,b));
}
double area(node a,node b,node c)
{
    double x1=b.x-a.x,y1=b.y-a.y;
    double x2=c.x-a.x,y2=c.y-a.y;
    return abs(x1*y2-x2*y1)*0.5;
}
int main()
{
    while(1)
    {
        A.in(),B.in(),C.in(),D.in(),E.in(),F.in();
        if(A.x==0.&&A.y==0.&&B.x==0.&&B.y==0.&&C.x==0.&&C.y==0.&&D.x==0.&&D.y==0.&&E.x==0.&&E.y==0.&&F.x==0.&&F.y==0.)
            break;
        double S=2.0*area(A,B,C),s=area(D,E,F);
        double d=S/s;
        H.x=(C.x+(d-1.0)*A.x)/d,H.y=(C.y+(d-1.0)*A.y)/d;
        G.x=B.x+H.x-A.x,G.y=B.y+H.y-A.y;
        printf("%.3f %.3f %.3f %.3f\n",G.x,G.y,H.x,H.y);
    }
    return 0;
}
### 使用 `gym.spaces.Box` 定义动作空间 在OpenAI Gym环境中定义连续的动作空间通常会使用到 `gym.spaces.Box` 类。此类允许创建一个多维的盒子形状的空间,其边界由低限(low)和高限(high)参数指定[^1]。 对于给定的例子,在类 `ActionSpace` 中静态方法 `from_type` 返回了一个基于输入类型的行动空间实例: 当 `space_type` 是 `Continuous` 时,返回的是一个三维向量形式的动作空间对象,该对象表示三个维度上的取值范围分别为 `[0.0, 1.0]`, `[0.0, 1.0]`, 和 `[-1.0, 1.0]` 的实数集合,并且数据类型被设定为了 `np.float32`: ```python import numpy as np import gym class ActionSpace: @staticmethod def from_type(action_type: int): space_type = ActionSpaceType(action_type) if space_type == ActionSpaceType.Continuous: return gym.spaces.Box( low=np.array([0.0, 0.0, -1.0]), high=np.array([1.0, 1.0, 1.0]), dtype=np.float32, ) ``` 此段代码展示了如何通过传递最低限度(`low`)数组以及最高限度(`high`)数组来初始化一个新的Box实例,从而构建出一个具有特定界限的多维连续数值区间作为环境可能采取的一系列合法行为的选择集的一部分。 另外值得注意的是,每个环境都应当具备属性 `action_space` 和 `observation_space` ,这两个属性应该是继承自 `Space` 类的对象实例;Gymnasium库支持大多数用户可能会需要用到的不同种类的空间实现方式[^2]。 #### 创建并测试 Box 动作空间的一个简单例子 下面是一个简单的Python脚本片段用于展示怎样创建和验证一个基本的 `Box` 空间成员资格的方法: ```python def check_box_space(): box_space = gym.spaces.Box(low=-1.0, high=1.0, shape=(2,), dtype=np.float32) sample_action = box_space.sample() # 获取随机样本 is_valid = box_space.contains(sample_action) # 检查合法性 print(f"Sampled action {sample_action} within bounds? {'Yes' if is_valid else 'No'}") check_box_space() ``` 上述函数首先建立了一个二维的 `-1.0` 到 `1.0` 范围内的浮点型 `Box` 空间,接着从中抽取了一组随机样本来检验它确实位于所规定的范围内。
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