洛谷 P1452 Beauty Contest

本文介绍了一个计算二维平面上多个农场间最大距离的问题,并提供了一种使用旋转卡壳算法结合凸包概念解决该问题的方法。通过具体示例展示了如何确定牛在访问不同农场时所需携带食物量对应的最远距离。

题目背景

此处省略1W字^ ^

题目描述

贝茜在牛的选美比赛中赢得了冠军”牛世界小姐”。因此,贝西会参观N(2 < = N < = 50000)个农场来传播善意。世界将被表示成一个二维平面,每个农场位于一对整数坐标(x,y),各有一个值范围在-10000…10000。没有两个农场共享相同的一对坐标。

尽管贝西沿直线前往下一个农场,但牧场之间的距离可能很大,所以她需要一个手提箱保证在每一段旅程中她有足够吃的食物。她想确定她可能需要旅行的最大可能距离,她要知道她必须带的手提箱的大小。帮助贝西计算农场的最大距离。

输入输出格式

输入格式:

 

第一行:一个整数n

第2~n+1行:xi yi 表示n个农场中第i个的坐标

 

输出格式:

 

一行:最远距离的[b]平方[/b]

 

输入输出样例

输入样例#1: 
4
0 0
0 1
1 1
1 0
输出样例#1: 
2

说明

NONE

 

旋转卡壳模板题,求个凸包之后用叉积求出离当期枚举直线的最远点(肯定是单调变化的)

/*
    排序一定要严格按x第一关键字,y第二关键字升序排序,,,
    不然后果就是WA一墙调半天不知道哪错的hhhh 
*/
#include<bits/stdc++.h>
#define ll long long
#define maxn 50005
using namespace std;
const double eps=0.000000001;

inline int zt(double x){
    if(fabs(x)<=eps) return 0;
    return (x>0?1:-1);
}

inline double sq(double x){
    return x*x;
}

struct node{
    double x,y;
    
    node operator +(const node& u)const{
        return (node){x+u.x,y+u.y};
    }
    
    node operator -(const node& u)const{
        return (node){x-u.x,y-u.y};
    }
    
    node operator *(const double& u)const{
        return (node){x*u,y*u};
    }
    
    bool operator <(const node& u)const{
        return zt(x-u.x)?zt(x-u.x)<0:zt(y-u.y)<0;
    }
}a[maxn],q[maxn],ret[maxn];

inline double ptmul(node x,node y){
    return x.x*y.x+x.y*y.y;
}

inline double Xmul(node x,node y){
    return x.x*y.y-x.y*y.x;
}

inline bool eq(node x,node y){
    return (!zt(x.x-y.x)&&!zt(x.y-y.y));
}

inline double dist(node x,node y){
    return sq(x.x-y.x)+sq(x.y-y.y);
}

inline int get_hill(node *u,int len){
    sort(u+1,u+len+1);
    
    int tt=2,tot=0;
    q[1]=u[1],q[2]=u[2];
    for(int i=3;i<=len;i++){
        while(tt>1&&zt(Xmul(q[tt]-q[tt-1],u[i]-q[tt]))<0) tt--;
        q[++tt]=u[i];
    }
    for(int i=1;i<=tt;i++) ret[++tot]=q[i];
    
    tt=2;
    q[1]=u[1],q[2]=u[2];
    for(int i=3;i<=len;i++){
        while(tt>1&&zt(Xmul(q[tt]-q[tt-1],u[i]-q[tt]))>0) tt--;
        q[++tt]=u[i];
    }    
    int pre=tot;
    for(int i=tt;i;i--) if(!eq(q[i],ret[1])&&!eq(q[i],ret[pre])) ret[++tot]=q[i];
    
    for(int i=1;i<=tot;i++) u[i]=ret[i];
    return tot;
}

int n;
double ans=0;

inline void solve(){
    node r=a[1]-a[n];
    int pt=1,nxt=2;
    
    while(zt(fabs(Xmul(r,a[nxt]-a[n]))-fabs(Xmul(r,a[pt]-a[n])))>0){
        pt=nxt,nxt++;
        if(nxt>n) nxt-=n;
    }
    ans=max(ans,max(dist(a[1],a[pt]),dist(a[n],a[pt])));

    for(int i=1;i<n;i++){
        r=a[i+1]-a[i];
        while(zt(fabs(Xmul(r,a[nxt]-a[i]))-fabs(Xmul(r,a[pt]-a[i])))>0){
            pt=nxt,nxt++;
            if(nxt>n) nxt-=n;
        }
        ans=max(ans,max(dist(a[i],a[pt]),dist(a[i+1],a[pt])));
    }
    
}

int main(){
    scanf("%d",&n);
    for(int i=1;i<=n;i++) scanf("%lf%lf",&a[i].x,&a[i].y);
    
    n=get_hill(a,n);

    solve();
    
    printf("%.0lf\n",ans);
    return 0;
}

 

转载于:https://www.cnblogs.com/JYYHH/p/8370571.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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