Mindis 2019百度之星初赛第一轮

本文介绍了一种用于计算二维平面上多个矩形障碍物环境中最短路径的算法。通过离散化处理,利用差分统计每个点的覆盖次数,并建立图模型,使用Dijkstra算法求解起点到终点的最短路径。该方法适用于机器人路径规划、游戏场景导航等领域。

由于矩形边界是算的,所以我们离散化的时候需要加点,用来表示相邻两个左边之间的区间,1是x=1,3是x=2,2就是numx[x=2]-numx[x=1],点是没有长度的,区间是有长度的。

我们用差分来统计离散化后每个点被多少矩形所覆盖了,就能知道这个地方的速度,那么这里如果是个区间,那么时间就是区间长度/速度,否则时间就是0

然后建图,跑dijkstra。

#include<bits/stdc++.h>
#define maxl 1010
using namespace std;

const long long inf=1ll<<62;
const double eps=1e-8;

int n,m,cas,cnt,cntx,cnty,totx,toty,numcnt;
int xa,ya,xb,yb;
struct rec
{
	int x1,x2,y1,y2;
}a[maxl];
int ehead[maxl*maxl];
struct ed
{
	int to,nxt;
	double l;
}e[maxl*maxl*8];
int numx[maxl],numy[maxl];
int num[maxl][maxl];
int sum[maxl][maxl];
double ans;
double dis[maxl*maxl];
char s[maxl];
int tx[5]={0,1,0,-1,0};
int ty[5]={0,0,-1,0,1};
typedef pair<double,int> p;
priority_queue<p,vector<p>,greater<p> >q;
bool in[maxl*maxl];

inline void add(int u,int v,double l)
{
	e[++cnt].to=v;e[cnt].l=l;
	e[cnt].nxt=ehead[u];ehead[u]=cnt;
}

inline void prework()
{
	cntx=0;cnty=0; 
	scanf("%d",&n);
	for(int i=1;i<=n;i++)
	{	
		scanf("%d%d%d%d",&a[i].x1,&a[i].y1,&a[i].x2,&a[i].y2);
		numx[++cntx]=a[i].x1;numx[++cntx]=a[i].x2;
		numy[++cnty]=a[i].y1;numy[++cnty]=a[i].y2;
	}
	scanf("%d%d%d%d",&xa,&ya,&xb,&yb);
	numx[++cntx]=xa;numx[++cntx]=xb;
	numy[++cnty]=ya;numy[++cnty]=yb;
	sort(numx+1,numx+1+cntx);
	totx=unique(numx+1,numx+1+cntx)-numx-1;
	sort(numy+1,numy+1+cnty);
	toty=unique(numy+1,numy+1+cnty)-numy-1;
	numcnt=0;
	for(int i=1;i<=2*totx;i++)
		for(int j=1;j<=2*toty;j++)
		{
			sum[i][j]=0;
			num[i][j]=++numcnt;
			dis[numcnt]=inf;
			ehead[numcnt]=0;
			in[numcnt]=false;
		}
	int id;
	for(int i=1;i<=n;i++)
	{
		id=lower_bound(numx+1,numx+1+totx,a[i].x1)-numx;
		a[i].x1=id*2-1;
		id=lower_bound(numx+1,numx+1+totx,a[i].x2)-numx;
		a[i].x2=id*2-1;
		id=lower_bound(numy+1,numy+1+toty,a[i].y1)-numy;
		a[i].y1=id*2-1;
		id=lower_bound(numy+1,numy+1+toty,a[i].y2)-numy;
		a[i].y2=id*2-1;
		for(int j=a[i].x1;j<=a[i].x2;j++)
		{
			sum[j][a[i].y1]++;
			sum[j][a[i].y2+1]--;
		}
	}
	id=lower_bound(numx+1,numx+1+totx,xa)-numx;
	xa=id*2-1;
	id=lower_bound(numx+1,numx+1+totx,xb)-numx;
	xb=id*2-1;
	id=lower_bound(numy+1,numy+1+toty,ya)-numy;
	ya=id*2-1;
	id=lower_bound(numy+1,numy+1+toty,yb)-numy;
	yb=id*2-1;
	for(int i=1;i<=2*totx;i++)
		for(int j=1;j<=2*toty;j++)
			sum[i][j]=sum[i][j]+sum[i][j-1];
	int x,y;
	double len,v;
	cnt=0;
	for(int i=1;i<=2*totx;i+=2)
		for(int j=1;j<=2*toty;j+=2)
			for(int k=1;k<=4;k++)
			{
				x=i+tx[k]*2;y=j+ty[k]*2;
				if(x<0 || x>2*totx || y<0 || y>2*toty)
					continue;
				if(x<i)
					len=numx[(i+1)/2]-numx[i/2];
				if(x>i)	
					len=numx[(x+1)/2]-numx[x/2];
				if(y>j)
					len=numy[(y+1)/2]-numy[y/2];
				if(y<j)
					len=numy[(j+1)/2]-numy[j/2];
				v=sum[i+tx[k]][j+ty[k]]+1;
				add(num[i][j],num[x][y],len/v);
				add(num[x][y],num[i][j],len/v);
			}
}

inline double dij(int st,int en)
{
	while(!q.empty()) q.pop();
	int v,u; p d;
	dis[st]=0;q.push(make_pair(0,st));
	while(!q.empty())
	{
		do
		{
			d=q.top();q.pop();
			u=d.second;
		}while((dis[u]<d.first-eps || in[u]) && !q.empty());
		in[u]=true;
		if(u==en)
			break;
		for(int i=ehead[u];i;i=e[i].nxt)
		{
			v=e[i].to;
			if(dis[v]>dis[u]+e[i].l+eps)
			{
				dis[v]=dis[u]+e[i].l;
				q.push(make_pair(dis[v],v));
			}
		}
	}
	return dis[en];
}

inline void mainwork()
{
	if(xa==xb && ya==yb)
	{
		ans=0;
		return;
	}
	ans=dij(num[xa][ya],num[xb][yb]);
}

inline void print()
{
	printf("%.5f\n",ans);
}

int main()
{
	int t=1;
	scanf("%d",&t);
	for(cas=1;cas<=t;cas++)
	{
		prework();
		mainwork();
		print();
	}
	return 0;
}

 

看起来提供的搜索关键字 "dis mindis" 可能存在拼写错误或者表述不清楚的情况,因为这个组合并不直接指向某个明确的主题或概念。为了提供有用的信息,需要做一些假设。 如果 "dis mindis" 是尝试询问关于 “distance in miles” (英里中的距离),那么这里有一些相关信息: 要计算两个地点之间的距离(以英里为单位),可以使用在线地图服务如Google Maps, Bing Maps等。输入起始地和目的地之后,这些平台能够给出两地间的行车路线以及对应的里程数。此外,对于编程需求来说,可以通过地理坐标(纬度和经度)利用Haversine公式来估算地球表面上两点之间最短的大圆距离。以下是Python实现的一个简单例子: ```python from math import radians, sin, cos, acos def calculate_distance(lat1, lon1, lat2, lon2): # Convert latitude and longitude from degrees to radians lat1 = radians(lat1) lon1 = radians(lon1) lat2 = radians(lat2) lon2 = radians(lon2) # Haversine formula dist = 3958.8 * acos(sin(lat1) * sin(lat2) + cos(lat1) * cos(lat2) * cos(lon1 - lon2)) return dist # Example usage: print(calculate_distance(40.748817, -73.985428, 51.507351, -0.127758)) # Distance between New York City and London ``` 这段代码定义了一个函数`calculate_distance`接受四个参数——起点的经纬度和终点的经纬度,并返回它们之间的直线距离(以英里计)。请注意此算法适用于球体近似模型;实际应用中可能还需要考虑海拔高度等因素的影响。 然而,若 "dis mindis" 实际上指的是其他含义,则以上解释就不适用了。如果有更多上下文信息可以帮助澄清查询的具体内容,将会更有助于获得精准的答案。
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