POJ 1113 Wall 凸包

凸包加上圆周长即为结果,用了kuangbin的凸包模板

#include<stdio.h>
#include<math.h>
#include<algorithm>
#include<iostream>
using namespace std;

const int MAXN=1000;
const double PI = acos(-1);

struct Point
{
    int x,y;
};

Point pot[MAXN];
int stck[MAXN],top;

int cross(Point p0,Point p1,Point p2) //计算叉积  p0p1 X p0p2
{
    return (p1.x-p0.x)*(p2.y-p0.y)-(p1.y-p0.y)*(p2.x-p0.x);
}

double dis(Point p1,Point p2)  //计算 p1p2的 距离
{
    return sqrt((double)(p2.x-p1.x)*(p2.x-p1.x)+(p2.y-p1.y)*(p2.y-p1.y));
}

bool cmp(Point p1,Point p2) //极角排序函数,角度相同则距离小的在前面
{
    int tmp=cross(pot[0],p1,p2);
    if(tmp>0) return true;
    else if(tmp==0&&dis(pot[0],p1)<dis(pot[0],p2)) return true;
    else return false;
}

void init(int n) //输入,并把最左下方的点放在 pot[0]。并且进行极角排序
{
    int i,k;
    Point p0;
    p0 = pot[0];
    k=0;
    for(i=1; i<n; i++)
    {
        if( (p0.y>pot[i].y) || ((p0.y==pot[i].y)&&(p0.x>pot[i].x)) )
        {
            p0 = pot[i];
            k=i;
        }
    }
    pot[k]=pot[0];
    pot[0]=p0;
    sort(pot+1,pot+n,cmp);
}

void graham(int n)
{
    int i;
    if(n==1)
    {
        top=0;
        stck[0]=0;
    }
    if(n==2)
    {
        top=1;
        stck[0]=0;
        stck[1]=1;
    }
    if(n>2)
    {
        for(i=0; i<=1; i++) stck[i]=i;
        top=1;

        for(i=2; i<n; i++)
        {
            while(top>0&&cross(pot[stck[top-1]],pot[stck[top]],pot[i])<=0) top--;
            top++;
            stck[top]=i;
        }
    }
}

int main()
{
//    freopen("in.txt","r",stdin);
    int n,l;
    while(~scanf("%d%d", &n, &l))
    {
        for(int i=0;i<n;i++)
            scanf("%d%d", &pot[i].x, &pot[i].y);
        init(n);
        graham(n);
        double ans = 0;
        for(int i=0;i<=top;i++)
            ans += dis(pot[stck[i]], pot[stck[(i+1)%(top+1)]]);
        ans += PI*l*2;
        printf("%d\n", (int)(ans+0.5));
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/pach/p/7289485.html

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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  | 博主筛选后可见
 
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