第六周项目三:平面坐标点类

本文介绍了一个用于计算平面坐标点之间的距离、到原点距离及对称点的类,包括输入输出坐标点的功能。
/*
* 程序的版权和版本声明部分
* Copyright (c)2013, 烟台大学计算机学院学生
* All rightsreserved.
* 文件名称: object.cpp
* 作者:李蒙
* 完成日期: 2013年  4  月 9日
* 版本号: v1.0
* 输入描述:无
* 问题描述:设计平面坐标点类,计算两点之间的距离,到原点距离,关于
坐标轴和原点的对称点等。
* 程序输出:
*/

#include <iostream>
#include <Cmath>
using namespace std;
class CPoint
{private:
  double x;  // 横坐标
  double y;  // 纵坐标
public:
  CPoint(double xx=0,double yy=0);
  CPoint SymmetricAxis(char style)const;
  double Distance(CPoint p) const;   // 两点之间的距离(一点是当前点,另一点为参数p)
  double Distance0() const;          // 到原点的距离
  void input();  //以x,y 形式输入坐标点
  void output(); //以(x,y) 形式输出坐标点
};
CPoint::CPoint(double xx,double yy)
{
	x=xx;
	y=yy;
}
double CPoint::Distance(CPoint p) const
{
	return sqrt((x-p.x)*(x-p.x)+(y-p.x)*(y-p.x));
}
double CPoint::Distance0() const
{
	return sqrt(x*x+y*y);
}
CPoint CPoint::SymmetricAxis(char style) const
{
  CPoint p(this->x,this->y);
  switch(style)
  {
  case 'x':
    p.y=-y; break;
  case 'y':
    p.x=-x; break;
  case 'o':
    p.x=-x;p.y=-y;
  }
  return p;
}
void CPoint::input()
{
	cout<<"请以(x,y)的形式输入:"<<endl;
	char d;
	cin>>x>>d>>y;
	while(d!=',')
		cout<<"输入形式错误,请重新输入!"<<endl;
}
void CPoint::output()
{
	cout<<"("<<x<<","<<y<<")"<<endl;
}
int main()
{
    double distance;
    CPoint p1,p2,p;
    cout<<"请输入第一个点的坐标,";
    p1.input();
    cout<<"请输入第二个点的坐标,";
    p2.input();
    distance=p1.Distance(p2);
    cout<<"两点之间的距离是:"<<distance<<endl;
    distance=p1.Distance0();
    cout<<"到原点之间的距离是:"<<distance<<endl;
	p=p1.SymmetricAxis('x');
	cout<<"关于x轴的对称点坐标:"<<endl;
	p.output();
	p=p1.SymmetricAxis('y');
	cout<<"关于y轴的对称点坐标:"<<endl;
	p.output();
	p=p1.SymmetricAxis('o');
	cout<<"关于o点的对称点坐标:"<<endl;
	p.output();
    return 0;
}

输出结果:
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