Beehive----思维题

题目链接:https://cn.vjudge.net/problem/346345/origin


脑残还有救,手残毁一生啊,把*打成+,wa了5发,找了我一个小时的Bug

很巧妙的一个建轴

http://blog.youkuaiyun.com/clz19960630/article/details/50975965

我是看的大牛的博客,不过大牛的博客有错误,在竖直方向上的坐标计算有问题。


代码:

#include <cstdio>
#include <cstring>
#include <iostream>
#include <cmath>
#include <algorithm>
using namespace std;
struct node{
    int x,y;
};
int rd[20000];
int firstpoint[100],rdnum[100];
int mid1[100],last[100];
void Init(){
    int now=1,time=0,sum=0;
    for(int i=1;i<=10000;i++){
        rd[i]=time;
        if(sum==0){
            firstpoint[time]=i;
            rdnum[time]=now;
            mid1[time]=now/2+i;
            last[time]=mid1[time]+now/2;
        }
        sum++;
        if(sum==now){
            sum=0;
            time++;
            if(time%2){
                now+=2;
            }
            else
                now+=4;
        }
    }
}
struct node getpoint(int n){
    struct node p;
    int time=rd[n];
    int mid=mid1[time];
    p.x=min(abs(n-mid),time);
    if(n<mid)
        p.x*=-1;
    int y0=min(n-firstpoint[time],last[time]-n);
    int dn=min((time)/2,y0);
    p.y=time%2+2*dn+y0-dn;
    return p;
};
int main(){
    Init();
    int a,b;
    while(~scanf("%d%d",&a,&b)){
        if(a+b==0){
            break;
        }
        if(a==b){
            cout<<"0"<<endl;
            continue;
        }
        struct node point1,point2;
        point1=getpoint(a);
        point2=getpoint(b);
        //cout<<point1.x<<" "<<point1.y<<endl;
        //cout<<point2.x<<" "<<point2.y<<endl;
        int dx=abs(point1.x-point2.x);
        int dy=abs(point1.y-point2.y);
        if(dx>=dy)
            cout<<max(dx,dy)<<endl;
        else{
            cout<<dx+(dy-dx)/2<<endl;
        }
    }
    return 0;
}


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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