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。