计蒜客_A. Amsterdam Distance_思维

本文介绍了一种用于计算图形中特定路径长度的算法。该算法基于输入的参数计算两种不同的路径长度,并选择较短的一种作为最优解。涉及的操作包括计算绝对值、使用圆周率进行面积计算等。

给你图片让你走,只有两种走法

#include<bits/stdc++.h>
using namespace std;
#define pi acos(-1.0)
int main()
{
  //  cout<<pi<<endl;
  //  printf("%lf\n",2.0/5+(pi*(4.0/5)*3)/6);
    double n,l,r,x,y,xx,yy;
    while(cin>>n>>l>>r>>x>>y>>xx>>yy)
    {
        double s1=abs((y-yy)/l)*r;
      //  cout<<s1<<endl;
        double rr=(min(y,yy)/l)*r;
      //  cout<<rr<<endl;
        s1+=pi*rr*abs(x-xx)/n;
      //  cout<<s1<<endl;
    double s2=(y*r)/l+(yy*r)/l;
   // cout<<s2<<endl;
   printf("%lf\n",min(s1,s2));
    }
    return 0;
}
【SCI级别】多策略改进鲸鱼优化算法(HHWOA)和鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30寻优对比内容概要:本文档主要介绍了一项关于多策略改进鲸鱼优化算法(HHWOA)与标准鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30上进行寻优性能对比的研究,属于智能优化算法领域的高水平科研工作。文中通过Matlab代码实现算法仿真,重点展示了HHWOA在收敛速度、寻优精度和稳定性方面的优势,体现了多策略改进的有效性。该研究适用于复杂优化问题求解,尤其在工程优化、参数辨识、机器学习超参数调优等领域具有应用潜力。; 适合人群:具备一定算法基础和Matlab编程能力的研究生、科研人员及从事智能优化算法开发与应用的工程技术人员,尤其适合致力于SCI论文写作与算法创新的研究者。; 使用场景及目标:①用于理解鲸鱼优化算法的基本原理及多策略改进思路(如种群初始化、非线性收敛因子、精英反向学习等);②为智能优化算法的性能测试与对比实验提供CEC2017标准测试平台的实现参考;③支撑学术研究中的算法创新与论文复现工作。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注HHWOA的改进策略模块与WOA的差异,通过重复实验验证算法性能,并可将其思想迁移至其他优化算法的改进中,提升科研创新能力。
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