Codeforces 2С. Commentator problem （模拟退火、简单几何）

这个问题的正确解法实在是太复杂了，完全不知道怎么做，上网搜了巨神的答案才发现有个叫做“模拟退火”算法的东西，大概就是先假设一个初始值，算出他和题意的误差（方差），然后逐步逼近。假如一次移动让误差变小，则直接继续，否则让移动的幅度变小。也就是先确定大致的范围再逐步缩小范围求解。

和标准的模拟退火不同，这里只有一个最优解，就不需要概率跳出。

 

#include<bits/stdc++.h>
using namespace std;
#define eps 1e-8
#define begint 5.0
#define mint1 1e-2
#define maxT 10000000

struct Circle{
    double x,y,r;
    Circle(){}
    Circle(double xx,double yy,double rr){x=xx,y=yy,r=rr;}
    double sinAngle(double xx,double yy){
        return (r/(sqrt((xx-x)*(xx-x)+(yy-y)*(yy-y))));
    }
}c[3];

double var(double x,double y){
    double r1=c[0].sinAngle(x,y);
    double r2=c[1].sinAngle(x,y);
    double r3=c[2].sinAngle(x,y);

    double variance=(r1-r2)*(r1-r2)+(r3-r2)*(r3-r2)+(r1-r3)*(r1-r3);
    return variance;
}

void next(double &x,double &y,double &t,double &ans,double T){
    double curans=ans;
    double cx=x,cy=y;
    double px,py,v;

    px=cx+t,py=cy;
    v=var(px,py);
    if(v<ans){
        ans=v;
        x=px,y=py;
    }

    px=cx-t,py=cy;
    v=var(px,py);
    if(v<ans){
        ans=v;
        x=px,y=py;
    }

    px=cx,py=cy+t;
    v=var(px,py);
    if(v<ans){
        ans=v;
        x=px,y=py;
    }

    px=cx,py=cy-t;
    v=var(px,py);
    if(v<ans){
        ans=v;
        x=px,y=py;
    }

    if(fabs(curans-ans)<eps){
        t=max(mint1*(1.0*T/maxT),t/2);
    }
}

double annealing(double &gx,double &gy){
    double ans=1.0;
    double t=begint;

    gx=(c[0].x+c[1].x+c[2].x)/3.0;
    gy=(c[0].y+c[1].y+c[2].y)/3.0;
    for(int T=1000000;T;T--){
        next(gx,gy,t,ans,T);
    }

    return ans;
}

int main(){
    double x,y,r;
    scanf("%lf%lf%lf",&x,&y,&r);
    c[0]=Circle(x,y,r);
    scanf("%lf%lf%lf",&x,&y,&r);
    c[1]=Circle(x,y,r);
    scanf("%lf%lf%lf",&x,&y,&r);
    c[2]=Circle(x,y,r);


    double ans=annealing(x,y);
    if(fabs(ans)<1e-6){
        printf("%.5f %.5f\n",x,y);
    }
    else
        printf("\n");
}

• 需要注意几点

1.由于本题有多组解，且简单版本的模拟退火算法没有随机性，初始值的选择显得尤为重要，画图估计出视角最宽的点应该比其他合理点更靠近三个圆的中间，故选择重心作为初始值。

2.最高温度过高可能会 TLE，过低可能精度不够，浮点运算设置  大概是上限了，但是调得好的好时间依然是绰绰有余的。

3.初始步长  也要适中，太大了的话容易进入其他可行解的附属区域内，最后没办法跳出，太小了又会影响精度。

4.步长  的最小值应依赖于当前降温的程度，以及当前是否有移动，当前移动的话下次移动的概率也上升，不应缩小  ，随着降温的进行可以放宽步长t的最小限制。也可以乘一个系数比如0.8这种，而不是除以2。