hdu 1086 You can Solve a Geometry Problem too

判断线段是否相交的模板题:

#include <iostream>

using namespace std;

struct piont
{
    double x,y;
};
struct segm
{
    piont p1,p2;
}s[110];



double dir(piont pi,piont pj,piont pk)
{
    return (pi.x - pk.x)*(pj.y - pk.y) - (pj.x - pk.x)*(pi.y - pk.y);
}

bool onseg(piont pi,piont pj,piont pk)
{
    if((pk.x >= min(pi.x,pj.x)&&pk.x <= max(pi.x,pj.x))&&(pk.y >= min(pi.y,pj.y)&&pk.y <= max(pi.y,pj.y)))
    return 1;
    else return 0;
}
bool seg(piont p1,piont p2,piont p3,piont p4)
{
    double d1,d2,d3,d4;
    d1 = dir(p3,p4,p1);
    d2 = dir(p3,p4,p2);
    d3 = dir(p1,p2,p3);
    d4 = dir(p1,p2,p4);
    if(((d1 > 0&&d2 < 0)||(d1 < 0&&d2 > 0))&&((d3 > 0&&d4 < 0)||(d3 < 0&&d4 > 0))) return 1;
    else if(d1 == 0&&onseg(p3,p4,p1)) return 1;
    else if(d2 == 0&&onseg(p3,p4,p2)) return 1;
    else if(d3 == 0&&onseg(p1,p2,p3)) return 1;
    else if(d2 == 0&&onseg(p1,p2,p4)) return 1;
    else return 0;
}

int main()
{

    int n,i,j,ans;
    while(cin>>n&&n)
    {
        ans = 0;
        for(i = 0;i < n;i ++)
        {
            cin>>s[i].p1.x>>s[i].p1.y>>s[i].p2.x>>s[i].p2.y;
        }
        for(i = 0;i < n;i ++)
        {
            for(j = i+1;j < n;j ++)
            {
                if(seg(s[i].p1,s[i].p2,s[j].p1,s[j].p2)) ans ++;
            }
        }
        cout<<ans <<endl;
    }
    return 0;
}


内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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
 
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