2014微软编程之美初赛第一场第三题 活动中心

活动中心
时间限制:12000ms
单点时限:6000ms
内存限制:256MB

描写叙述

A市是一个高度规划的城市,可是科技高端发达的地方,居民们也不能忘记运动和锻炼,因此城市规划局在设计A市的时候也要考虑为居民们建造一个活动中心,方便居住在A市的居民们能随时开展运动,锻炼强健的身心。

城市规划局希望活动中心的位置满足下面条件:

1. 到全部居住地的总距离最小。

2. 为了方便活动中心的资源补给和其它器材的维护,活动中心必须建设在A市的主干道上。

 

为了简化问题。我们将A市摆在二维平面上,城市的主干道看作直角坐标系平的X轴。城市中全部的居住地都能够看成二维平面上的一个点。

如今,A市的城市规划局希望知道活动中心建在哪儿最好。

 

输入

第一行包含一个数T,表示数据的组数。

接下来包括T组数据,每组数据的第一行包括一个整数N,表示A市共同拥有N处居住地

接下来N行表示每处居住地的坐标。

 

输出

对于每组数据,输出一行“Case X: Y”,当中X表示每组数据的编号(从1開始),Y表示活动中心的最优建造位置。我们建议你的输出保留Y到小数点后6位或以上。不论什么与标准答案的绝对误差或者相对误差在10-6以内的结果都将被视为正确。

 

数据范围

小数据:1 ≤ T ≤ 1000, 1 ≤ N ≤ 10

大数据:1 ≤ T ≤ 10, 1 ≤ N ≤ 105

对于全部数据,坐标值都是整数且绝对值都不超过106





例子解释

例子1:活动中心的最优建造位置为(1.678787, 0)

 

 

例子输入
1
3
1 1
2 2
3 3
例子输出
Case 1: 1.678787





之后採用二分法求解



#include<iostream>
#include<algorithm>
#include<cstring>
#include<cstdio>
#include<string>
#include<cmath>
using namespace std;
vector<pair<double,double>> point;
const double EPS=0.0000000001;
bool operator < (const pair<double ,double > &lhs,const pair<double,double> &rhs)
{
	return lhs.first<rhs.first;
}
bool Check(double x)
{
	double sum=0;
	int len=point.size();
	double a,b;
	for(int i=0;i<len;i++)
	{
		a=x-point[i].first;
		b=sqrt(a*a+(point[i].second*point[i].second));
		sum+=a/b;
	}
	return sum>=0;
}
int main()
{
	int icase;
	while(cin>>icase)
	{
		for(int c=1;c<=icase;c++)
		{
			int ic;
			cin>>ic;
			point.clear();
			while(ic--)
			{
				cin>>pt.first>>pt.second;
				point.push_back(pt);
			}
			sort(point.begin(),point.end());
			double l=point[0].first;
			double h=point[point.size()-1].first;
			while(fabs(l-h)>=EPS)
			{
				double mid=(l+h)/2;
				if(Check(mid))
				{
					h=mid;
				}
				else
				{
					l=mid;
				}
			}
			printf("Case %d: %.6lf\n",i,mid);
		}
	}
	return 0;
}






转载于:https://www.cnblogs.com/clnchanpin/p/6792392.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