hdu 4741 Save Labman No.004(2013杭州网络赛)

本文介绍了一种计算空间中两条直线之间最近点对的方法,并提供了完整的C++代码实现。该方法通过向量运算找到最短距离及其对应的点。

http://blog.sina.com.cn/s/blog_a401a1ea0101ij9z.html

 空间两直线上最近点对。

这个博客上给出了很好的点法式公式了。。。其实没有那么多的tricky。。。不知到别人怎么错的。。。

 

//#pragma comment(linker, "/STACK:1024000000,1024000000")
#include<algorithm>
#include<iostream>
#include<cstring>
#include<fstream>
#include<sstream>
#include<vector>
#include<string>
#include<cstdio>
#include<bitset>
#include<queue>
#include<stack>
#include<cmath>
#include<map>
#include<set>
#define FF(i, a, b) for(int i=a; i<b; i++)
#define FD(i, a, b) for(int i=a; i>=b; i--)
#define REP(i, n) for(int i=0; i<n; i++)
#define CLR(a, b) memset(a, b, sizeof(a))
#define debug puts("**debug**")
#define LL long long
#define PB push_back
#define MP make_pair
#define eps 1e-10
using namespace std;

struct Point
{
    double x, y, z;
    Point(double x=0, double y=0, double z=0) : x(x), y(y),z(z){}
};
typedef Point Vector;

Vector operator + (Vector a, Vector b) { return Vector(a.x+b.x, a.y+b.y, a.z+b.z); };
Vector operator - (Vector a, Vector b) { return Vector(a.x-b.x, a.y-b.y, a.z-b.z); };
Vector operator * (Vector a, double p) { return Vector(a.x*p, a.y*p, a.z*p); }
Vector operator / (Vector a, double p) { return Vector(a.x/p, a.y/p, a.z/p); }

double Dot(Vector a, Vector b) { return a.x*b.x + a.y*b.y + a.z*b.z; }
double Length(Vector a) { return sqrt(Dot(a, a)); }
Vector Cross(Point a, Point b)
{
    return Vector(a.y*b.z-a.z*b.y, a.z*b.x-a.x*b.z, a.x*b.y-a.y*b.x);
}

Point a1, b1, a2, b2;
int main()
{
    int n;
    scanf("%d", &n);
    while(n--)
    {
        scanf("%lf%lf%lf", &a1.x, &a1.y, &a1.z);
        scanf("%lf%lf%lf", &b1.x, &b1.y, &b1.z);
        scanf("%lf%lf%lf", &a2.x, &a2.y, &a2.z);
        scanf("%lf%lf%lf", &b2.x, &b2.y, &b2.z);
        Vector v1 = (a1-b1), v2 = (a2-b2);
        Vector N = Cross(v1, v2);
        Vector ab = (a1-a2);
        double ans = Dot(N, ab) / Length(N);
        Point p1 = a1, p2 = a2;
        Vector d1 = b1-a1, d2 = b2-a2;
        Point ans1, ans2;
        double t1, t2;
        t1 = Dot((Cross(p2-p1, d2)), Cross(d1, d2));
        t2 = Dot((Cross(p2-p1, d1)), Cross(d1, d2));
        double dd = Length((Cross(d1, d2)));
        t1 /= dd*dd;
        t2 /= dd*dd;
        ans1 = (a1 + (b1-a1)*t1);
        ans2 = (a2 + (b2-a2)*t2);
        printf("%.6f\n", fabs(ans));
        printf("%.6f %.6f %.6f ", ans1.x, ans1.y, ans1.z);
        printf("%.6f %.6f %.6f\n", ans2.x, ans2.y, ans2.z);
    }
    return 0;
}


 

 

转载于:https://www.cnblogs.com/pangblog/p/3325143.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