hrbust 1421 最远点对(旋转卡壳)

本文探讨了在几何形状中找到最远点对旋转卡壳的问题,并通过编程实现求解最大距离的平方和。
hrbust 1421最远点对旋转卡壳
LOLI们想知道最大的距离的平方和是多少

#include<stdio.h>
#include<math.h>
#include<algorithm>
using namespace std;
struct Point
{
    long long x,y,len;
}Pt[30005],Stack[30005],Point_A;
long long Cross(Point a,Point b,Point c)
{
    return (b.x-a.x)*(c.y-a.y)-(b.y-a.y)*(c.x-a.x);
}
long long Dis(Point a,Point b)
{
    return pow(a.x-b.x,2)+pow(a.y-b.y,2);
   // return (a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y);
}
void FindPoint(int n)
{
    int i,tempNumber=0;
    Point tempPoint;
    Point_A=Pt[0];
    for(i=1;i<n;i++)
    {
        if(Pt[i].y<Point_A.y||Pt[i].y==Point_A.y&&Pt[i].x<Point_A.x)
        {
            tempNumber=i;
            Point_A=Pt[i];
        }
    }
    tempPoint=Pt[0];
    Pt[0]=Pt[tempNumber];
    Pt[tempNumber]=tempPoint;
}
bool Cmp(Point a,Point b)
{
    long long k=Cross(Point_A,a,b);
    if(k>0) return true;
    if(k<0) return false;
    a.len=Dis(Point_A,a);
    b.len=Dis(Point_A,b);
    return a.len>b.len;
}
int Graham(int n)
{
    int i,top=2;
    Pt[n]=Pt[0];
    Stack[0]=Pt[0];
    Stack[1]=Pt[1];
    Stack[2]=Pt[2];
    for(i=3;i<=n;i++)
    {
        while(Cross(Stack[top-1],Stack[top],Pt[i])<=0&&top>1)
        top--;
        Stack[++top]=Pt[i];
    }
    return top;
}
long long rotating_calipers(Point *ch,int n)
{
    int q=1;
    long long ans=0;
    ch[n]=ch[0];
    for(int p=0;p<n;p++)
    {
        while(Cross(ch[p+1],ch[q+1],ch[p])>Cross(ch[p+1],ch[q],ch[p]))
        q=(q+1)%n;
        ans=max(ans,max(Dis(ch[p],ch[q]),Dis(ch[p+1],ch[q+1])));
    }
    return ans;
}
int main(void)
{
    int i,Num;
    while(scanf("%d",&Num)!=EOF)
    {
        for(i=0;i<Num;i++)
        scanf("%lld%lld",&Pt[i].x,&Pt[i].y);
        FindPoint(Num);
        sort(Pt+1,Pt+Num,Cmp);
        int s= Graham(Num);
        long long  res=rotating_calipers(Stack,s);
        printf("%lld\n",res);
    }
    return 0;
}

内容概要:本文系统介绍了算术优化算(AOA)的基本原理、核心思想及Python实现方,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,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解方;③学习如何将优化算集成到Web系统中实现工程化应用;④为算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,深入理解算流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算以观察性能差异,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