(1556)POJ

本文介绍了一种利用Bellman-Ford算法解决特定场景下最短路径问题的方法。通过构建包含障碍物(墙)的地图,并定义起点和终点,文章详细阐述了如何避免障碍物寻找两点间的最短距离。
#include<iostream>
#include<cstdio>
#include<string.h>
#include<cstring>
#include<string>
#include<stack>
#include<set>
#include<algorithm>
#include<cmath>
#include<vector>
#include<map>

#define LOCAL
#define ll long long
#define lll unsigned long long
#define MAX 1000009
#define eps 1e-8
#define INF 0x7fffffff
#define mod 1000000007

using namespace std;
/*

题意:给你两个固定的点,求不穿过墙的最短距离。

想法:bellman-ford.在写邻接矩阵的时候,要判断两个边是否可以形成。

*/
struct point//点
{
    double x,y;
};
struct edge//边起点终点
{
    int u,v;
};
int n;//房间里墙的数目
double wx[20];//每堵墙的x坐标
point p [109];//存储起点,每个门的两个端点和终点
int psize;//点的数目
double py[20][4];//第i堵墙的4个y坐标
double g[109][109];//邻接矩阵
edge e[109*109];//存储构造的每条边
int esize;//边的数目
int i,j;
double dis(point a,point b)//两点距离
{
    return sqrt((a.x - b.x)*(a.x - b.x) + (a.y - b.y)*(a.y - b.y) );
}
double cross(double x1,double y1,double x2,double y2,double x3,double y3)//判断(x3,y3)点在直线的上方或者下方。
{
    return (x2 - x1)*(y3 - y1) - (x3 - x1)*(y2 - y1);
}
bool isok(point a,point b)//在构造有向网判断两个点是否能连成一条边
{
    if(a.x>=b.x)return 0;
    int flag = 1;
    int i = 0;
    while(wx[i]<=a.x&&i<n) i++;
    while(wx[i]<b.x&&i<n)
    {
        if(cross(a.x,a.y,b.x,b.y,wx[i],0)*cross(a.x,a.y,b.x,b.y,wx[i],py[i][0])<0//a,b被第一段阻挡
           ||cross(a.x,a.y,b.x,b.y,wx[i],py[i][1])*cross(a.x,a.y,b.x,b.y,wx[i],py[i][2])<0//a,b被第二段阻挡
           ||cross(a.x,a.y,b.x,b.y,wx[i],py[i][3])*cross(a.x,a.y,b.x,b.y,wx[i],10)<0)//a,b被第三段阻挡
        {
            flag = 0;break;
        }
        i++;
    }
    return flag;
}
double bellmanford(int beg,int _end)//求起始点到终点的最短距离
{
    double d[109];
    for(int i = 0;i<109;i++)
    {
        d[i] = INF;
    }
    d[beg] = 0;
    bool ex = true;
    for(int i = 0;i<psize&&ex;i++)
    {
        ex = false;
        for(int j = 0;j<esize;j++)
        {
            if(d[e[j].u]<INF&&d[e[j].v]>d[e[j].u]+g[e[j].u][e[j].v])
            {
                d[e[j].v] = d[e[j].u]+g[e[j].u][e[j].v];
                ex = true;
            }
        }
    }
    return d[_end];//返回起点到终点的最短距离
}
void solve()
{
    p[0].x = 0;
    p[0].y = 5;
    psize = 1;
    for(int i = 0;i<n;i++)
    {
        scanf("%lf",&wx[i]);
        for(int j = 0;j<4;j++)
        {
            p[psize].x = wx[i];
            scanf("%lf",&p[psize].y);
            py[i][j] = p[psize].y;
            psize++;
        }
    }
    p[psize].x = 10;
    p[psize].y = 5;
    psize++;
    for(int i = 0;i<psize;i++)
    {
        for(int j = i+1;j<psize;j++)
        {
            g[i][j] = INF;
        }
    }
    esize = 0;//边的数目
    for(int i = 0;i<psize;i++)
    {
        for(int j = i+1;j<psize;j++)
        {
            if(isok(p[i],p[j]))
            {
                //cout<<"Case1: "<<p[i].x<<" "<<p[i].y<<endl;
                //cout<<"Case2: "<<p[j].x<<" "<<p[i].y<<endl;
                g[i][j] = dis(p[i],p[j]);
                e[esize].u = i;
                e[esize].v = j;
                esize++;
            }
        }
    }
    printf("%.2lf\n",bellmanford(0,psize - 1));
}
int main()
{
    //#ifdef LOCAL
      //freopen("date.in","r",stdin);
       //freopen("date.out","w",stdout);
    //#endif // LOCAL
    while(scanf("%d",&n)!=EOF)
    {
        if(n==-1)break;
        solve();
    }
    return 0;
}

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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