Southern Subregion Problem C. Equivalent Cards

本文介绍了一个基于几何计算的程序,使用C++实现。该程序通过定义点结构体进行坐标输入,并计算两点间的距离及向量叉乘等操作。通过对输入的多个四边形面积求和并与两个固定圆的交集面积比较,来评估不同区域的相似性。最终通过并查集的方法确定这些区域是否属于同一类别。
#include <iostream>
#include <cstring>
#include <cmath>
#include <cstdio>
#define maxn 105
using namespace std;
int n;
double val[maxn];
struct Point{
		double x,y;
		Point(double x=0.0,double y = 0.0):x(x),y(y){}
		void init(){
				cin >> x >> y;
		}
		friend Point operator - (const Point &a, const Point &b){
				return Point(a.x - b.x,a.y - b.y);
		}
};
double sum1;
double sum2;
Point point1[2],point2[2];
double abss(double a){
		return a < 0 ? -a : a;
}
const double pi = 3.1415926535;
double cross(const Point &a, const Point &b){
		return a.x * b.y - a.y * b.x;
}
double dist(const Point &a, const Point &b){
		double dx = a.x - b.x;
		double dy = a.y - b.y;
		return sqrt(dx*dx + dy*dy);
}
void deal(int x){
		sum1 = 0;
		sum2 = 0;
		for(int i = 0; i < 2; i++) point1[i].init();
		for(int i = 0; i < 2; i++) point2[i].init();
		double r = dist(point1[0],point1[1]) / 2;
		double r2 = dist(point2[0],point2[1]) / 2;
		sum1 = pi * r * r2;
		int k; cin >> k;
		for(int i = 1; i <= k; i++) {
				Point a,b,c,d;
				a.init();
				b.init();
				c.init();
				d.init();
				sum2 += abss(cross(b-a,c-a));
				sum2 += abss(cross(c-a,d-a));
		}
		val[x] = sum2/sum1;
}
const double expp = 1e-5;
int sgn(double a){
		if(abss(a) < expp) return 0;
		else return a < 0 ? -1 : 1;
}
int fa[maxn];
int find(int x){
		if(fa[x] == x) return x;
		else return fa[x] = find(fa[x]);
}
void work(){
		for(int i = 1; i <= n; i++) fa[i] = i;
		for(int i = 1; i <= n; i++) {
				for(int j = i+1; j <= n; j++) {
						int fx = find(i);
						int fy = find(j);
						if(sgn(val[i] - val[j]) == 0) {
								fa[fy] = fx;
						}
				}
		}	
		/*for(int i = 1; i <= n; i++) {
				cout << val[i] << " ";
		}
		cout << endl;*/
		for(int i = 1; i <= n; i++) {
				cout << find(i) << " ";
		}
		cout << endl;
}
int main(){
		//freopen("main.in","r",stdin);
		ios::sync_with_stdio(false);
		cin >> n;
		for(int i = 1; i <= n; i++){
				deal(i);
		}
		work();
		return 0;
}

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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