TopCoder--计算矩形的公有面积2

本文介绍了一个名为BoxUnion2的TopCoder问题解决方案。该方案通过定义一系列矩形区域并计算这些区域联合覆盖的总面积来解决挑战。文章详细解释了如何处理输入数据、确定包围所有矩形的最小矩形,并通过迭代检查每个可能的位置来计算覆盖面积。

package topcoder;

public class BoxUnion2
{
    int[][] intArray;
    int N;

    public int area(String[] rectangles)
    {
        N = rectangles.length;
        int area = 0;
        intArray = new int[rectangles.length + 1][5];
        fillArray(rectangles);
        intArray[rectangles.length] = intArray[0];
        // 找出包含所有矩形的最小矩形
        for (int i = rectangles.length; i > 0; i--)
        {
            if (intArray[rectangles.length][0] > intArray[i][0])
            {
                intArray[rectangles.length] = intArray[0];
            }
            if (intArray[rectangles.length][1] > intArray[i][1])
            {
                intArray[rectangles.length][1] = intArray[i][1];
            }
            if (intArray[rectangles.length][2] < intArray[i][2])
            {
                intArray[rectangles.length][2] = intArray[i][2];
            }
            if (intArray[rectangles.length][3] < intArray[i][3])
            {
                intArray[rectangles.length][3] = intArray[i][3];
            }
        }

        for (int i = intArray[rectangles.length][1]; i < intArray[rectangles.length][1]; i++)
        {
            for (int j = intArray[rectangles.length][1]; j < intArray[rectangles.length][1]; j++)
            {
                if (judgeN(i, j))
                {
                    area++;
                }
            }
        }
        return area;
    }

    // 判断一个方块是否在
    boolean judgeN(int row, int col)
    {
        for (int i = this.N; i >= 0; i--)
        {
            if (judge1(row, col, i)) { return true; }
        }
        return false;
    }

    // 判断一个方块是否在一个矩形内,是的话返回true,不是的话返回false
    boolean judge1(int row1, int col1, int n)
    {
        if (row1 < intArray[n][0] && row1 > intArray[n][2] && col1 + 1 < intArray[n][1] && col1 + 1 > intArray[n][3])
            return true;
        else
            return false;
    }

    void fillArray(String[] str)
    {
        int i;
        for (i = str.length - 1; i >= 0; i--)
        {
            // System.out.println(str[i] + "/n");
            int j = 0;
            int k = 0;
            int counter = 0;
            while (counter < 3)
            {
                k = j;
                j = str[i].indexOf(" ", k);
                Integer it = new Integer(str[i].substring(k, j));
                this.intArray[i][counter] = it.intValue();
                counter++;
                j++;
            }
            Integer it = new Integer(str[i].substring(j));
            this.intArray[i][counter] = it.intValue();

            // 判断输入的数是否非法,非法的话打印出来。
            if (intArray[i][2] < intArray[i][0] || intArray[i][3] < intArray[i][0])
            {
                System.out.println("Input numbers ERROR:");
            }
            else
                if (intArray[i][0] < 0 || intArray[i][1] < 0 || intArray[i][2] < 0 || intArray[i][3] < 0)
                {
                    System.out.println("Input numbers ERROR!");
                }
            // 计算每个矩形的面积
            intArray[i][4] = (intArray[i][2] - intArray[i][0]) * (intArray[i][3] - intArray[i][1]);
            // System.out.println(intArray[i][4]);
        }
    }

    public static void main(String[] args)
    {
        BoxUnion bu = new BoxUnion();

        String[] str = new String[]
        /*
         * { "0 0 20000 20000", "0 0 20000 20000", "0 0 20000 20000" };
         *  { "200 300 203 304" };
         *  { "1 3 5 6", "3 1 7 5", "4 4 9 7" }
         *  { "0 0 10 10", "20 20 30 30" }
         *  { "0 0 20000 20000", "0 0 20000 20000", "0 0 20000 20000" }
         */
        { "4 6 18 24", "7 2 12 19", "0 0 100 100" };
        /*
         * { "0 500 20000 501", "500 0 501 20000" } ;
         */
        System.out.println("The area is: " + bu.area(str));
    }
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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