HDU - 3465 Life is a Line

1.题面

http://acm.hdu.edu.cn/showproblem.php?pid=3465

2.题意

给你一堆直线,求在指定区间内,这里有多少对相交线段

3.思路

求出直线在两个端点的值后,使用归并排序求逆序数

PS:值得注意的坑点,

1.这道题即使取消cin与stdio输入输出相关性,使用cin,cout也会超时

2.排序时,当横坐标相等时,要考虑纵坐标的影响

4.代码

/*****************************************************************
    > File Name: Cpp_Acm.cpp
    > Author: Uncle_Sugar
    > Mail: uncle_sugar@qq.com
    > Created Time: 2016年07月30日 星期六 15时58分46秒
*****************************************************************/
# include <cstdio>
# include <cstring>
# include <cctype>
# include <cmath>
# include <cstdlib>
# include <climits>
# include <iostream>
# include <iomanip>
# include <set>
# include <map>
# include <vector>
# include <stack>
# include <queue>
# include <algorithm>
using namespace std;


const int debug = 1;
const int size  = 10 + 50000 ; 
const int INF = INT_MAX>>1;
const double eps = 1e-6;
typedef long long ll;

int tot = 0;
int num[size];

template<typename T, typename _Compare>    
inline ll  merge(T *host, T *guest, int len, int wide, _Compare comp){    
    int l_p,r_p,gst_p;    
    int start,mid,end;    
    ll ret = 0;    
    for (start=0;start<len;start=end){    
        l_p = gst_p = start;    
        r_p = mid = start + (wide>>1) < len? start + (wide>>1): len;    
        end = start + wide < len? start + wide: len;    
        while (l_p<mid&&r_p<end){    
            if (comp(host[l_p],host[r_p])){    
                guest[gst_p++] = host[l_p++];    
                ret += r_p - mid;    
            }else {    
                guest[gst_p++] = host[r_p++];    
            }    
        }    
        while (l_p<mid)  {  
            guest[gst_p++] = host[l_p++];    
            ret += r_p - mid;  
        }  
        while (r_p<end){    
            guest[gst_p++] = host[r_p++];    
        }    
    }    
    return ret;    
}    
  
template<typename T, typename _Compare>    
ll mergesort(T *host,int len,_Compare comp){    
    ll ret = 0;    
    T *guest = new T[len];    
    for (int wide=1;wide<len;){    
        ret += merge(host,guest,len,wide<<=1,comp);    
        ret += merge(guest,host,len,wide<<=1,comp);    
    }    
    delete guest;    
    return ret;    
}   

struct val{
    double l,r;
}v[size];

bool cmp(const val& c1,const val& c2){
	if (c1.l != c2.l)
		return c1.l < c2.l;
	return c1.r < c2.r;
}

bool cmp2(const val& c1,const val& c2){
	if (c1.r != c2.r)
		return c1.r < c2.r;
	return c1.l < c2.l;
}


int main()
{
    std::ios::sync_with_stdio(false);
    int i,j;
    int n;
    double lb,rb;
    while (~scanf("%d",&n)){
		scanf("%lf%lf",&lb,&rb);
        double x1,x2,y1,y2;
		int t = 0;
        for (i=0;i<n;i++){
			scanf("%lf%lf%lf%lf",&x1,&y1,&x2,&y2);
			if (fabs(x1-x2)<eps){
				x1 -= eps;
				x2 += eps;
				//# i--;n--;	
				//# if (lb<x1&&x1<rb){
					//# t++;
				//# }
				//# continue;
			}
            double k = (y1 - y2)/(x1 - x2);
            double b = y1 - k*x1;
            v[i].l = k*lb + b;
            v[i].r = k*rb + b;
        }
        sort(v,v+n,cmp);
		printf("%lld\n",mergesort(v,n,cmp2)+t*n);
    }
    return 0;
}


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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