解题报告_18.5.26_POJ_2031_0

本文介绍了一种求解三维空间中球形障碍物间最短路径的算法实现。通过定义球体间的距离计算公式,并结合Prim最小生成树算法,解决了在存在球形障碍的情况下寻找节点间最短路径的问题。文章详细展示了如何进行距离计算及算法的具体步骤。

转载自:https://blog.youkuaiyun.com/lyy289065406/article/details/6648583

#include<iostream>  
#include<cmath>  
#include<iomanip>  
using namespace std;  
  
const double inf=1000.0;  
const double eps=1e-10;  
  
typedef class  
{  
    public:  
        double x,y,z;  
        double r;  
}point;  
  
/*Discuss Precision*/  
  
int EPS(double k)  
{  
    if(fabs(k)<eps)  
        return 0;  
    return k>0?1:-1;  
}  
  
/*AB之间的距离(权值)*/  
  
double dist(point A,point B)  
{  
    return sqrt((A.x-B.x)*(A.x-B.x)+(A.y-B.y)*(A.y-B.y)+(A.z-B.z)*(A.z-B.z))-A.r-B.r;  
}                        //AB距离是以球面为基准,而不是球心,因此要减去A球和B球的半径  
  
int main(int i,int j)  
{  
    int n;  
    while(cin>>n)  
    {  
        if(n<=0)  
            break;  
  
        /*Initial*/  
  
        point* node=new point[n+1];  
  
        double w[101][101];  
        for(i=1;i<=n;i++)  
            for(j=1;j<=n;j++)  
                w[i][j]=inf;  
  
        /*Input*/  
  
        for(i=1;i<=n;i++)  
            cin>>node[i].x>>node[i].y>>node[i].z>>node[i].r;  
  
        for(i=1;i<=n-1;i++)  
            for(j=i+1;j<=n;j++)  
            {  
                double temp=dist(node[i],node[j]);  
                if(EPS(temp)<=0)  
                    w[i][j]=w[j][i]=0;  //两个球接触(相交),则距离(权值)为0  
                else  
                    w[i][j]=w[j][i]=temp;  
            }  
  
        /*Prim Algorithm*/  
  
        bool vist[101]={false};  
        int s=1;  
        vist[s]=true;  
        int fi;  
        double sum_w=0.0;  
        for(int count=1;count<n;count++)  
        {  
            double min=inf;  
  
            for(i=2;i<=n;i++)  
                if(!vist[i])  
                    if(min>w[s][i])  
                    {  
                        min=w[s][i];  
                        fi=i;  
                    }  
  
            sum_w+=w[s][fi];  
            vist[fi]=true;  
  
            for(i=2;i<=n;i++)   //新源点s'继承最新合并进来的fi的性质  
                if(!vist[i])    //以fi到其他点的更短路 取代旧源点s到其他点的权值  
                    if(w[s][i]>w[fi][i])  
                        w[s][i]=w[fi][i];  
        }  
  
        cout<<fixed<<setprecision(3)<<sum_w<<endl;  
  
        /*Relax*/  
  
        delete node;  
    }  
    return 0;  
}  

内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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