Sicily 2016. Emergent escape


题目
这里写图片描述


思路
忽然发现小号里有这个代码,然后大号没有做。
思路忘记了,这代码应该是别人的,好像是书上的。
注释解释得也挺清楚了。


代码

#include<stdio.h>
#include<math.h>
#include<string.h>

const int maxn = 1000 + 10; //最大陨石数
const double eps = 1e-8; //控制精度
const double pi = acos(-1.0);//圆周率

double d1, d2, R; //起点和终点弧度,太空船半径
double xd1, yd1, xd2, yd2; //起点和终点坐标。
int n; //陨石数目
double x[maxn], y[maxn], r[maxn]; //陨石圆心坐标和半径
int a[maxn][maxn]; //无向图
int b[maxn]; //陨石与太空船相交标记
int cas;

inline double dis(double x, double y){
    //计算向量长度
    return sqrt(x * x + y * y);
}

inline double helen(double a, double b, double c){
    double p = (a + b + c) / 2.0;
    //海伦公式计算长度为a、b、c的三角形面积
    return sqrt(p * (p - a) * (p - b) * (p - c));
}

int intersect(int i, int j){
    //利用面积判断第i个圆和第j个圆的交点是否在太空船内
    //计算边长
    double di = dis(x[i], y[i]);
    double dj = dis(x[j], y[j]);
    double ij = dis(x[i] - x[j], y[i] - y[j]);
    //计算4个三角形的面积
    double S = helen(di, dj, ij);
    double Si = helen(di, r[i], R);
    double Sj = helen(dj, r[j], R);
    double Sij = helen(ij, r[i], r[j]);
    //利用这4个三角形的面积来判断
    return Si + Sj + Sij > S;
}

int dfs(int root){
    //深度优先遍历
    if (b[root] == 2) return 0; //找到一个标记为2的结点则返回
    b[root] = 0; //标记
    int i;
    for (i = 0; i < n; i++) if (b[i] && a[root][i] == cas) {
        if (dfs(i) == 0) return 0; //如果没访问过则进行访问
    }
    return 1;
}


int main(){
    //读入数据组数
    int T;
    scanf("%d", &T);
    double tmp, d, di; //临时变量
    int ok; //可行标记
    int i, j; //循环变量
    memset(a, 0, sizeof(a)); //对a清零
    cas = 0; //数据序号
    while (T--) {
        cas++;
        scanf("%lf%lf%lf", &R, &d1, &d2); //读入半径
        //交换以保证d1 <= d2
        if (d1 > d2) {
            tmp = d1;
            d1 = d2;
            d2 = tmp;
        }
        //角度化成弧度
        d1 = pi / 180.0 * d1;
        d2 = pi / 180.0 * d2;
        //起点和终点坐标
        xd1 = R * cos(d1);
        yd1 = R * sin(d1);
        xd2 = R * cos(d2);
        yd2 = R * sin(d2);
        //读入陨石坐标
        scanf("%d", &n);
        for (i = 0; i < n; i++) scanf("%lf%lf%lf", &x[i], &y[i], &r[i]);
        ok = 1;
        memset(b, 0, sizeof(b)); //清空b数组
        for (i = 0; i < n; i++) {//遍历陨石
            d = dis(x[i], y[i]); //计算距离
            if (d > R + r[i] + eps) { //相离,标记为0
                b[i] = 0;
                continue;
            }
            if (r[i] + d + eps < R) { //相含,标记为3
                b[i] = 3;
                continue;
            }
            //陨石直接撞到起点或者终点
            if (dis(x[i] - xd1, y[i] - yd1) <= eps + r[i] ||
                dis(x[i] - xd2, y[i] - yd2) <= eps + r[i]){
                ok = 0; //无解
                continue;
            }
            //计算圆心弧度
            di = acos(x[i] / d);
            if (y[i] < 0.0) di = pi + pi - di;
            //判断相交于哪个区间
            if (di > d1 && di < d2) b[i] = 1;
            else b[i] = 2;
        }
        if (!ok) {
            //如果陨石直接撞到起点或终点
            printf("Die hard!\n");
            continue;
        }
        //否则进行遍历
        for (i = 0; i < n; i++) if (b[i])
            for (j = i + 1; j < n; j++) if (b[j])
                if (dis(x[i] - x[j], y[i] - y[j]) <= r[i] + r[j]) {
                    if (b[i] + b[j] != 3 || intersect(i, j))
                        //如果两个陨石相交则连边
                        a[i][j] = a[j][i] = cas;
                }
        //对每一个标记为1的点开始遍历,看能否到达标记为2的点
        for (i = 0; i < n; i++) {
            if (b[i] == 1) ok = dfs(i);
            if (!ok) break;
        }
        //输出判定结果
        if (ok) printf("Escape!\n");
        else printf("Die hard!\n");
    }
    return 0;
}
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。
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。
【5层】公司办公楼全套设计+++(3156平,含计算书、建筑图,结构图、实习报告,PKPM,答辩PPT) 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。
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