HDU4717 The Moving Points(三分)

本文介绍了一种解决最远两点间最小距离问题的算法。通过构造关于时间t的二次方程并使用三分法求解,实现高效计算。适用于n个点随时间变化的情况。

题意:给n个点初始位置和初始速度, 问哪时候最远的两个点距离最小。


思路:对于任意时刻i j两点距离的平方为一个关于时间t 的二次方程, di^2 = ai * t^2 + bi * t + ci的形式,对于任意时刻任意两点距离最大值其实就是,F(t) = max { sqrt(di^2)  } ,画在坐标系中可以看出这总是一个下凸的图形,这样利用三分就可快速求解


#include<cstdio>
#include<cstring>
#include<algorithm>
typedef long long ll;
const int maxn = 5 * 1e4 + 10;
const double INF = 1e18;
const double eps = 1e-10;
using namespace std;

ll a[maxn], b[maxn], c[maxn];
ll x[maxn], y[maxn];
ll vx[maxn], vy[maxn];
int T, n, kase = 1, num;

double f(ll a, ll b, ll c, double t) { return t * t * a + t * b + c; }

double F(double t) {
    double ans = - INF;
    for(int i = 0; i < num; i++) {
        ans = max(ans, f(a[i], b[i], c[i], t));
    }
    return ans;
}

int main() {
    scanf("%d", &T);
    while(T--) {
        scanf("%d", &n);
        num = 0;
        for(int i = 0; i < n; i++) {
            scanf("%lld %lld", &x[i], &y[i]);
            scanf("%lld %lld", &vx[i], &vy[i]);
        }
        for(int i = 0; i < n; i++) {
            for(int j = i + 1; j < n; j++) {
                ll dvx = vx[j] - vx[i];
                ll dvy = vy[j] - vy[i];
                ll dx = x[j] - x[i];
                ll dy = y[j] - y[i];
                a[num] = dvx * dvx + dvy * dvy;
                b[num] = 2 * (dvx * dx + dvy * dy);
                c[num] = dx * dx + dy * dy;
                num++;
            }
        }
        double L = 0, R = 1e9;
        while(R - L > eps) {
            double t1 = L + (R - L) / 3;
            double t2 = R - (R - L) / 3;
            if(F(t1) < F(t2)) R = t2;
            else L = t1;
        }
        double ans = sqrt(F(R));
        printf("Case #%d: %.2f %.2f\n", kase++, R, ans);
    }
    return 0;
}


内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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
 
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