Mindis HDU-6097

本文介绍了一种解决圆上寻找一点D使PD+QD最小值的问题,利用反演和相似三角形原理,通过代数方法得出答案,并提供了实现代码。

题目链接:点我


The center coordinate of the circle C is O, the coordinate of O is (0,0) , and the radius is r.
P and Q are two points not outside the circle, and PO = QO.
You need to find a point D on the circle, which makes PD+QD minimum.
Output minimum distance sum.

Input

The first line of the input gives the number of test cases T; T test cases follow.
Each case begins with one line with r : the radius of the circle C.
Next two line each line contains two integers x , y denotes the coordinate of P and Q.

Limits
T≤500000
−100≤x,y≤100
1≤r≤100

Output

For each case output one line denotes the answer.
The answer will be checked correct if its absolute or relative error doesn't exceed 10−6.
Formally, let your answer be a, and the jury's answer be b. Your answer is considered correct if |a−b|max(1,b)≤10−6.

Sample Input

4
4
4 0
0 4
4
0 3
3 0
4
0 2
2 0
4
0 1
1 0

Sample Output

5.6568543
5.6568543
5.8945030
6.7359174

Source

2017 Multi-University Training Contest - Team 6 

题意:

在圆上找一点 D, 算PD + QD 的最小值,

思路:

比赛时想到了在中垂线上的情况,如何写出来发现样例只能过后两个,于是就想是不是自己想错了,当时又想到高中时平面几何的类似方法,找出点关于圆的的边界的对称点,然后两点之间直线最短.然而由于太复杂,没有写出来,而且当时还没开始学计算几何,不知道反演(维基百科)是什么东西,待看到题解后发现是反演然后加上相似三角形就可以判了,

官方题解:

很不幸不总是中垂线上的点取到最小值,考虑点在圆上的极端情况。

做P点关于圆的反演点P',OPD与ODP'相似,相似比是|OP| : r。

Q点同理。

极小化PD+QD可以转化为极小化P'D+Q'D。

当P'Q'与圆有交点时,答案为两点距离,否则最优值在中垂线上取到。

时间复杂度 O(1)O(1)O(1)

也有代数做法,结论相同。

优秀的黄金分割三分应该也是可以卡过的。

在图上做出反演点并连上三角形,我们得到 OP’ / OD = r / op,这是我们判断直线P’Q’与圆是否有交点,显然直线上离圆最近的点是线段P’Q’的中点:

当有交点是我们可以算到P’D + Q’D 的最小值,根据相似三角形 PD + QD = OPr (P’D+ Q’D);

如果没有交点 ,那么根据三角形DP’Q’三边的关系我们知道P’D + Q’D 不是最优解,而此时最优解就是中垂线与圆交点得到的D,

相似的性质巧妙运用可以大大简化计算.

代码:

#include<bits/stdc++.h>
using namespace std;

const double eps = 1e-6;

double x1, y1, x2, y2, r;

inline double dist(double x1, double y1,double  x2 , double y2){
    return sqrt((x1 - x2) * (x1 - x2) + (y1 - y2) * (y1 - y2));
}

int main(){
    int t;
    scanf("%d", &t);
    while(t--){
        scanf("%lf %lf %lf %lf %lf", &r, &x1, &y1, &x2, &y2);
        double op = dist(x1, y1, 0 , 0);
        if(op <= eps){
            printf("%.7f\n",r * 2);
            continue;
        }double rate = r * r / ( op * op);
       double x3 = x1 * rate, y3 = y1 * rate;
       double x4 = x2 * rate, y4 = y2 * rate;
       double mx = (x3 + x4) / 2, my = (y3 + y4) / 2;
       double dism = dist(mx, my, 0, 0);
       if(dism <= r){
            double ans = dist(x3, y3, x4, y4);
            printf("%.7f\n", ans *(op / r));
       } else {
        double ratee = r / dism;
        double mmx = mx * ratee;
        double mmy = my * ratee;
        double ans = dist(x1, y1, mmx, mmy);
        printf("%.7f\n",ans * 2.0);
       }
    }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、图像分割等实际问题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