【CSP试题回顾】202309-2-坐标变换(其二)

CSP-202309-2-坐标变换(其二)

关键点总结

1.输入输出的同步关闭,以加快I/O操作的速度

  • 这一点还是很重要的,本题代码如果不进行输入输出的同步关闭会时间超限。
ios_base::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);

2.设置输出的小数精度

#include <iostream>
#include <iomanip>  // 导入设置精度所需的库
using namespace std;

int main() {
    double number = 3.14159265; // 这是我们要格式化的浮点数
    cout << std::fixed << setprecision(4); // 设置数字格式为固定小数点,并保留小数点后四位
    cout << number << endl; // 输出结果
    return 0;
}

3.累计存储k和theta减少时间开销

  • 本题中对坐标变换(比如缩放和旋转)操作的累计处理,其中 k 代表缩放比例,theta 代表旋转角度。在这种处理方法中,ktheta 的值不是独立存储每次操作的结果,而是累积地存储从初始状态到当前状态的变换结果。 通过累积地存储变换参数(ktheta),程序可以避免在每次查询时重复计算从初始状态到当前状态的所有变换。这样,当进行大量的查询时,可以大大减少计算时间,提高程序的效率。在这种方法中,如果需要计算从一个状态到另一个较早状态的逆变换,可以简单地通过比较两个状态的累积参数来实现。这比单独存储每次变换的结果更为简便,因为不需要单独计算逆变换。

解题思路

  1. 结构体定义:定义结构体MyOperate来存储每次操作的k(缩放因子)和θ(旋转角度)。

  2. 主函数初始化:在main函数中,首先设置了输入输出的同步关闭,以加快I/O操作的速度。然后读入操作的总数n和查询的总数m。接下来,初始化一个MyOperate类型的向量optList来存储每次操作后的kθ值。向量的大小设置为n+1,以便存储初始状态(即第0次操作,此时k=1θ=0)和之后每次操作的结果。

  3. 输入操作处理:对于每次输入的操作,根据操作的类型(缩放或旋转),更新结构体数组optList中对应的kθ值。对于缩放操作,更新k值并保持θ不变;对于旋转操作,更新θ值而保持k不变。新的值是基于前一次操作的结果计算得出的

  4. 查询处理:对于每次查询,读入起始操作编号start、结束操作编号end以及查询点的初始坐标(x, y)。使用startend来确定查询范围内的总缩放因子和总旋转角度,即从startend这段操作对点的总影响。然后根据这个总缩放因子和总旋转角度来计算点的最终位置。

  5. 坐标变换:使用总缩放因子kTemp和总旋转角度thetaTemp对点(x, y)进行变换。先对点进行缩放,然后根据旋转角度进行旋转。旋转时需要用到cos(thetaTemp)sin(thetaTemp)来更新点的坐标。

  6. 输出结果:最后,输出经过所有操作后点的新坐标。使用setprecision(4)来设置输出的小数精度。

完整代码

#include <iostream>
#include <vector>
#include <cmath>
#include <iomanip>  // 导入设置精度所需的库
using namespace std;

struct MyOperate
{
    double k;
    double theta;
};

int n, m;

int main() {  
    ios_base::sync_with_stdio(false);
    cin.tie(0);
    cout.tie(0);

    cin >> n >> m;
    vector<MyOperate>optList(n + 1);
    // 初始化
    for (int i = 0; i < n + 1; i++)
    {
        optList[i].k = 1, optList[i].theta = 0;
    }

    // 输入操作
    for (int i = 1; i <= n; i++)
    {
        double optFlag, optNum;
        cin >> optFlag >> optNum;

        // k
        if (optFlag==1)
        {
            optList[i].k = optList[i - 1].k * optNum;
            optList[i].theta = optList[i - 1].theta;
        }
        // theta
        else if (optFlag == 2)
        {
            optList[i].theta = optList[i - 1].theta + optNum;
            optList[i].k = optList[i - 1].k;
        }
    }

    // 输入查询
    for (int i = 0; i < m; i++)
    {
        int start, end;
        double x, y;
        cin >> start >> end >> x >> y;

        double kTemp = optList[end].k / optList[start - 1].k;
        double thetaTemp = optList[end].theta - optList[start - 1].theta;


        double awsX, awsY;
        awsX = x * kTemp, awsY = y * kTemp;

        double awsX_temp = awsX, awxY_temp = awsY;
        awsX = awsX_temp * cos(thetaTemp) - awxY_temp * sin(thetaTemp);
        awsY = awsX_temp * sin(thetaTemp) + awxY_temp * cos(thetaTemp);

        cout << fixed << setprecision(4);
        cout << awsX << " " << awsY << endl;
    }
    return 0;
}

请添加图片描述

  • 18
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用[1]中的描述,本题中操作共有n个,坐标共有m个,且n和m均小于等于100000。因此,暴力算法的时间复杂度为O(n*m),会浪费宝贵的时间。我们需要寻找更高效的算法。 根据题目描述,我们需要进行坐标变换。具体来说,我们需要将一个矩阵中的所有点按照一定规则进行变换。这个规则可以通过观察样例来得到。 假设原始矩阵中的一个点的坐标为(x, y),则变换后的坐标为(x', y'),其中: x' = a1 * x + b1 * y + c1 y' = a2 * x + b2 * y + c2 其中a1, b1, c1, a2, b2, c2是给定的常数。 我们可以将这个变换看作是一个线性变换,即将原始矩阵中的每个点映射到一个新的矩阵中。因此,我们可以使用矩阵乘法来实现这个变换。 具体来说,我们可以将原始矩阵中的每个点表示为一个列向量(x, y, 1),然后将这个列向量与一个3x3的矩阵M相乘,得到一个新的列向量(x', y', w')。其中w'表示一个常数,我们可以将其忽略,因为我们只需要x'和y'。 因此,我们可以将矩阵M表示为: a1 b1 c1 a2 b2 c2 0 1 然后,我们可以将原始矩阵中的每个点表示为一个列向量(x, y, 1),并将这个列向量与矩阵M相乘,得到一个新的列向量(x', y', w')。最后,我们可以将x'和y'作为变换后的坐标。 下面是一个Python实现的例子: ```python import numpy as np # 读入数据 n, m = map(int, input().split()) a = np.zeros((n, 3)) for i in range(n): a[i] = list(map(int, input().split())) # 构造矩阵M a1, b1, c1, a2, b2, c2 = map(int, input().split()) M = np.array([[a1, b1, c1], [a2, b2, c2], [0, 0, 1]]) # 进行坐标变换 b = np.ones((m, 3)) for i in range(m): b[i, :2] = list(map(int, input().split())) c = np.dot(b, M.T) for i in range(m): print(int(c[i, 0]), int(c[i, 1])) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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