hdu 1115 Lifting the Stone 多边形的重心

本文提供了一段C++代码实现,用于计算平面直角坐标系下多边形的面积及其质心坐标。该算法适用于计算任意简单多边形(不自相交)的面积,并通过矢量叉乘的方式找到质心位置。

 


  
#include < iostream >
#include
< cmath >
using namespace std;
struct point{
double x,y;
point (
double xx = 0 , double yy = 0 ){
x
= xx; y = yy;
}
double operator * (point b){
return x * b.y - y * b.x;
}
}p[
1000001 ];
int main()
{
int T,N,i;
scanf(
" %d " , & T);
while (T -- )
{
scanf(
" %d " , & N);
for (i = 0 ;i < N;i ++ )
scanf(
" %lf%lf " , & p[i].x, & p[i].y);
p[N].x
= p[ 0 ].x; p[N].y = p[ 0 ].y;
double area = 0 ;
point re;
for (i = 0 ;i < N;i ++ )
{
area
+= p[i] * p[i + 1 ];
re.x
+= (p[i].x + p[i + 1 ].x) * (p[i] * p[i + 1 ]);
re.y
+= (p[i].y + p[i + 1 ].y) * (p[i] * p[i + 1 ]);
}
area
/= 2 ;
re.x
/= 6 * area;
re.y
/= 6 * area;
printf(
" %.2lf %.2lf\n " ,re.x,re.y);
}
return 0 ;
}

 

转载于:https://www.cnblogs.com/DreamUp/archive/2010/08/28/1811431.html

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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