GYM 101606 G.GentleBots(构造)

本文介绍了一种确保两个机器人在三维空间中从不同起点到不同终点移动时避免碰撞的方法。通过依次调整各维度坐标并引入临时避让策略,实现了路径规划方案,确保不超过7000步内无冲突地达到目标。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Description

在三维空间有两个机器人,他们的起点和终点都是整点且互不相同,他们每次只能在某一维坐标移动一个单位或者不动,要求两个机器人在运动过程中不能走到同一点,一个机器人也不能走向另一个机器人所在的位置,两个机器人同时运动,要求在不超过70007000次移动之后两个机器人无冲突的到达各自的终点,输出他们每一步的坐标

Input

两行分别六个整数表示两个机器人的起点坐标和终点坐标,坐标绝对值不超过10001000

Output

输出不超过70007000行,每行输入六个整数表示每步两个机器人的坐标,要求运动过程中机器人坐标不超过106106且无冲突

Sample Input

0 0 0 2 2 2
1 1 2 0 0 0

Sample Output

(0 0 0) (1 1 2)
(1 0 0) (1 1 1)
(1 1 0) (0 1 1)
(1 1 1) (0 1 0)
(1 1 2) (0 0 0)
(1 2 2) (0 0 0)
(2 2 2) (0 0 0)

Solution

依次考虑三维坐标x,y,zx,y,z让两个机器人到达终点,以考虑xx坐标为例,为避免两个机器人在运动过程中发生冲突,如果两个机器人的y,z坐标都相同,则先让一个机器人的yy坐标或z坐标移动一单位,之后两个机器人就必然不会发生冲突,直接朝着各自终点的xx坐标移动,最后把之前被移动了的机器人再移动回去即可,如此至多6000+6次即可到达终点

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;
typedef pair<int,int>P;
const int INF=0x3f3f3f3f,maxn=100001;
struct node
{
    int x[3];
}a,A,b,B;
void out()
{
    printf("(%d %d %d) (%d %d %d)\n",a.x[0],a.x[1],a.x[2],b.x[0],b.x[1],b.x[2]);
}
void Solve(int i,int j,int k)
{
    int u=A.x[i]>a.x[i]?1:-1,v=B.x[i]>b.x[i]?1:-1,flag=0;
    if(a.x[j]==b.x[j]&&a.x[k]==b.x[k])
    {
        flag=1;
        a.x[j]--;
        out();
    }
    while(a.x[i]!=A.x[i]||b.x[i]!=B.x[i])
    {
        if(a.x[i]!=A.x[i])a.x[i]+=u;
        if(b.x[i]!=B.x[i])b.x[i]+=v;
        out();
    }
    if(flag)
    {
        a.x[j]++;
        out();
    }
}
int main()
{
    scanf("%d%d%d",&a.x[0],&a.x[1],&a.x[2]);
    scanf("%d%d%d",&A.x[0],&A.x[1],&A.x[2]);
    scanf("%d%d%d",&b.x[0],&b.x[1],&b.x[2]);
    scanf("%d%d%d",&B.x[0],&B.x[1],&B.x[2]);
    out();
    Solve(0,1,2);
    Solve(1,2,0);
    Solve(2,0,1);
    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
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