暑假的第一次测试(二)

本文探讨了如何使用C++解决Codeforces平台上的两个经典问题:VanyaandScales和VanyaandTriangles。VanyaandScales题目涉及利用不同重量的秤砣来衡量特定质量物体的方法;VanyaandTriangles题目则要求计算给定点集能组成多少个三角形,提供了一种高效的算法来解决n^2log(n)复杂度的问题。

C题 Vanya and Scales(原题codeforces #308 C)

大致题意:用w^0、w^1、w^2、...、w^100的秤砣秤出质量为m的物体,秤砣可以放在两边,每个秤砣只有一个。

就把m分解成w进制的数。

0010w-1
可以在物体处放w^0的秤砣变成

00110

在秤盘处放w^1的秤砣变成

00100
在秤盘处放w^2的秤砣变成

00000
这样就可行了,从最后一位做起,若当前位为0,可行,若为1,用掉当前位的秤砣,可行,若为w-1,用掉当前位的秤砣,前面一位+1,可行。其他情况不可行,继续往前做。

#include<iostream>
#include<cstring>
using namespace std;
int w,m,pp,i,x,p[120];
int main()
{
    memset(p,0,sizeof(p));
    cin>>w>>m;
    pp=0;
    for (i=0;i<=100;i++)
    {
        x=m % w; m/=w;
        if (x==1&&p[i]==0) p[i]=1;
         else if (x==w-1&&p[i]==0)
         {
            p[i]=1; m++;
         }
         else if (x!=0)
         {
            pp=1; break;
         }

        if (m==0) break;
    }
    if (pp==1) cout<<"NO"<<endl; else cout<<"YES"<<endl;
}
D题 Vanya and Triangles(原题codeforces #308 D)

大致题意:给你n个点,求n个点可以组成多少个三角形。

看起来很简单,只要三个点不共线就可以组成三角形,但n为2000,n^3可能超时(事实并不会)。我看了网络上的,有一种方法用的是n^2log(n的,就是先枚举一个点,然后在枚举另一个点,求斜率,在同一个公共点的情况下,相同斜率就是同一直线,然后进行斜率排序,有x个相同斜率,就是有x+1个同一直线上的点,不能构成的三角形为C(x+1,3)。但是这样可能重复,如何去重,大家自己想,也可看代码理解。

#include<iostream>
using namespace std;
const int MAXN=2012;
long long int sum,n,h,p;
int i,k,j,j1;
int x[MAXN],y[MAXN];
double t[MAXN];
void kp(int x,int y)
{
    int i,j;
    double temp,mid;
    i=x; j=y; mid=t[(i+j)>>1];
    while (i<j)
    {
        while (t[i]<mid&&i<=n) i++;
        while (t[j]>mid&&j>0) j--;
        if (i<=j)
        {
            temp=t[j]; t[j]=t[i]; t[i]=temp;
            i++; j--;
        }
    }
    if (x<j) kp(x,j);
    if (i<y) kp(i,y);
}
int main()
{
    cin>>n;
    for (i=1;i<=n;i++)
        cin>>x[i]>>y[i];
    if (n<=2) { cout<<0<<endl; return 0;}
    sum=0;
    for (i=1;i<=n;i++)
    {
        k=0; p=0;
        for (j=1;j<=n;j++)
        if (x[i]!=x[j])
        {
            k++;
            t[k]=1.0*(y[j]-y[i])/(x[j]-x[i]);
        } else p++;
        kp(1,k);
        j=1;
        while (j<=k)
        {
            j1=j;
            while (j<k&&t[j+1]==t[j]) j++;
            h=j-j1+1;
            sum+=h*(h-1);
            j++;
        }
        sum+=(p-1)*(p-2);
    }
    cout<<n*(n-1)*(n-2)/6-sum/6<<endl;
    return 0;
}



【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