hdu 4741 Save Labman No.004

本文介绍了一种计算两组异面直线间公垂线的算法实现,并通过具体代码展示了如何求解这类几何问题。该算法适用于三维空间中两组不相交也不平行的直线之间的距离计算。
部署运行你感兴趣的模型镜像

题目:hdu 4741 Save Labman No.004

思路:异面直线公垂线。 click_here


#include <cstring>
#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cmath>
#include <vector>
using namespace std;
double H,I,J,K,L,M,N,O,P,Q;
struct point
{
    double x,y,z;
}p[4],q[4];
double sq(double tmp)
{
    return tmp*tmp;
}
vector<double>v;
vector<double> solve(point p[])
{
    v.clear();
    H = p[1].x-p[0].x;
    I = p[1].y-p[0].y;
    J = p[1].z-p[0].z;
    K = p[3].x-p[2].x;
    L = p[3].y-p[2].y;
    M = p[3].z-p[2].z;
    N = H*I*L - I*I*K - J*J*K + H*J*M ;
    O = H*H*L - H*I*K - I*J*M + J*J*L ;
    P = H*J*K - H*H*M - I*I*M + I*J*L ;
    Q = -p[0].x*N + p[0].y*O - p[0].z*P ;

    double k = O*p[2].y - N*p[2].x - P*p[2].z - Q ,x,y,z;
    k /= (N*K - O*L + P*M);
    x=K*k+p[2].x;
    y=L*k+p[2].y;
    z=M*k+p[2].z;
    v.push_back(x);
    v.push_back(y);
    v.push_back(z);

    return v;
}
double dis(vector<double>v1,vector<double>v2)
{
    double tmp=0;
    for(int i=0;i<v1.size();i++)
        tmp+=sq(v1[i]-v2[i]);
    return sqrt(tmp);
}
int main()
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        for(int i=0;i<4;i++)
        {
            scanf("%lf%lf%lf",&p[i].x,&p[i].y,&p[i].z);
            q[3-i].x=p[i].x;
            q[3-i].y=p[i].y;
            q[3-i].z=p[i].z;
        }
        vector<double>v1=solve(p),v2=solve(q);
        printf("%.6lf\n",dis(v1,v2));
        for(int i=0;i<v2.size();i++)
            printf("%.6lf ",v2[i]);
        for(int i=0;i<v1.size()-1;i++)
            printf("%.6lf ",v1[i]);
        printf("%.6lf\n",v1[v1.size()-1]);
    }
    return 0;
}


您可能感兴趣的与本文相关的镜像

GPT-SoVITS

GPT-SoVITS

AI应用

GPT-SoVITS 是一个开源的文本到语音(TTS)和语音转换模型,它结合了 GPT 的生成能力和 SoVITS 的语音转换技术。该项目以其强大的声音克隆能力而闻名,仅需少量语音样本(如5秒)即可实现高质量的即时语音合成,也可通过更长的音频(如1分钟)进行微调以获得更逼真的效果

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
要解决被HDU WAF(Web应用防火墙)拒绝的问题并调整代码,可从以下几个方面着手: ### 网络访问规范 - **IP限制**:HDU WAF可能因IP存在异常访问行为而拒绝访问。检查IP是否被列入黑名单,若因频繁请求被临时封禁,可等待封禁时间结束或联系HDU相关技术支持人员说明情况,请求解封。 - **请求频率**:过度频繁的请求会触发WAF的防护机制。调整代码中的请求频率,添加适当的延迟。以下是Python中使用`time.sleep()`函数添加延迟的示例: ```python import time import requests for i in range(10): response = requests.get('http://acm.hdu.edu.cn') print(response.text) time.sleep(1) # 每次请求间隔1秒 ``` ### 代码合规性 - **请求头设置**:确保代码中的请求头信息符合正常浏览器的请求头格式。部分WAF会根据请求头信息判断请求是否正常。以下是Python中设置请求头的示例: ```python import requests headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'} response = requests.get('http://acm.hdu.edu.cn', headers=headers) print(response.text) ``` - **请求参数**:检查代码中发送的请求参数是否包含恶意字符或异常内容。确保参数符合题目要求和网站规定。 ### 代码逻辑与题目要求 - **理解题目意思**:仔细阅读题目描述,确保代码逻辑符合题目要求。如VJ的题有很多格式要求,多打一个空格、没换行系统就会评测为presentation error,所以要在代码中严格遵循题目要求的输出格式[^2]。 - **优化算法复杂度**:若代码运行时间过长或占用资源过多,可能会被WAF视为异常请求。对代码中的算法进行优化,降低时间和空间复杂度。
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