专栏首页小樱的经验随笔BZOJ 3680: 吊打XXX【模拟退火算法裸题学习,爬山算法学习】

BZOJ 3680: 吊打XXX【模拟退火算法裸题学习,爬山算法学习】

3680: 吊打XXX

Time Limit: 10 Sec  Memory Limit: 128 MBSec  Special Judge

Submit: 3192  Solved: 1198

[Submit][Status][Discuss]

Description

gty又虐了一场比赛,被虐的蒟蒻们决定吊打gty。gty见大势不好机智的分出了n个分身,但还是被人多势众的蒟蒻抓住了。蒟蒻们将 n个gty吊在n根绳子上,每根绳子穿过天台的一个洞。这n根绳子有一个公共的绳结x。吊好gty后蒟蒻们发现由于每个gty重力不同,绳 结x在移动。蒟蒻wangxz脑洞大开的决定计算出x最后停留处的坐标,由于他太弱了决定向你求助。 不计摩擦,不计能量损失,由于gty足够矮所以不会掉到地上。

Input

输入第一行为一个正整数n(1<=n<=10000),表示gty的数目。 接下来n行,每行三个整数xi,yi,wi,表示第i个gty的横坐标,纵坐标和重力。 对于20%的数据,gty排列成一条直线。 对于50%的数据,1<=n<=1000。 对于100%的数据,1<=n<=10000,-100000<=xi,yi<=100000

Output

输出1行两个浮点数(保留到小数点后3位),表示最终x的横、纵坐标。

Sample Input

3 0 0 1 0 2 1 1 1 1

Sample Output

0.577 1.000

HINT

Source

By wangxz

题目链接:http://www.lydsy.com/JudgeOnline/problem.php?id=3680

分析:我反正是被坑死啦,这题谁跟我说是水题的,!!!!!模拟退火算法-----高级,爬山算法------今天才听说过QAQ,好的吧,学习一下,毕竟是道裸题~~~

题目大意:给定n个质点,求重心,这n个质点的重心满足Σ(重心到点i的距离)*g[i]最小,模拟退火的裸题,这题INF开0x3f妥妥过不去。。。起码要max_of _long_long附近才可以!

思路:puts("nan nan");得AC//BZOJ貌似是这个样子的呢,很多题这样写都会AC

爬山就够了,模拟退火也可以。

模拟退火就是在模拟一个退火的过程,他和爬山的区别就在于,它多了一个温度参数。

我们可以发现,越到后面,我们就越接近。所以我们应该把修改的范围越改越小,接受较劣解的可能性也应该调小。

于是我们引入一个温度变量T,膜你退火的过程,温度逐渐下降。

下面给出模拟退火的流程:

设定初始较高的温度T

      while 温度>设定的最低值

         随机得到一个新解(温度越高,新解与旧解的差异越大)

         更新答案

         根据新解与旧解之间的优劣关系,以一定概率接受新解(越优越有可能)

         以一定方式降温

      endwhile

为了保证答案的质量,我们可以在最优解附近再进行随机,并更新答案

模拟退火代码如下:【代码跑的很慢很慢。10000ms+】

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 const int M=10010;
 4 struct Node
 5 {
 6     double x,y,g;
 7 }point[M],ans;
 8 int n;
 9 double minans=1e100;
10 inline double dis(const Node &a,const Node &b)
11 {
12     return sqrt((a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y));
13 }
14 inline double judge(const Node &p)
15 {
16     int i;
17     double re=0;
18     for(i=1;i<=n;i++)
19     {
20         re+=point[i].g*dis(p,point[i]);
21     }
22     if(re<minans)
23     {
24         ans=p;
25         minans=re;
26     }
27     return re;
28 }
29 inline double Rand()
30 {
31     return rand()%1000/1000.0;
32 }
33 inline void SA(double T)
34 {
35     int i;
36     Node now=ans;
37     while(T>0.001)
38     {
39         Node Neo;
40         Neo.x=now.x+T*(Rand()*2-1);
41         Neo.y=now.y+T*(Rand()*2-1);
42         double de=judge(now)-judge(Neo);
43         if(de>0||exp(de/T)>Rand())
44             now=Neo;
45         T*=0.993;
46     }
47     for(i=1;i<=1000;i++)
48     {
49         Node Neo;
50         Neo.x=ans.x+T*(Rand()*2-1);
51         Neo.y=ans.y+T*(Rand()*2-1);
52         judge(Neo);
53     }
54 }
55 int main()
56 {
57     int i;
58     srand(19980805);
59     cin>>n;
60     for(i=1;i<=n;i++)
61     {
62         scanf("%lf%lf%lf",&point[i].x,&point[i].y,&point[i].g);
63         ans.x+=point[i].x;
64         ans.y+=point[i].y;
65     }
66     ans.x/=n;
67     ans.y/=n;
68     SA(1000000);
69     printf("%.3lf %.3lf\n",ans.x,ans.y);
70     return 0;
71 }

爬山算法代码如下【快了8000ms+】

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 int n;
 4 double ansx,ansy;
 5 struct data
 6 {
 7     double x,y;
 8     int w;
 9 }p[10005];
10 inline double sqr(double x)
11 {
12     return x*x;
13 }
14 inline double dis(double x,double y,data p)
15 {
16     return sqrt(sqr(x-p.x)+sqr(y-p.y));
17 }
18 void hillclimb()
19 {
20      double t=1000,x,y;
21      for(int i=1;i<=n;i++)
22          ansx+=p[i].x*p[i].w,ansy+=p[i].y*p[i].w;
23      ansx/=n;
24      ansy/=n;
25      while(t>0.00000001)
26      {
27          x=y=0;
28          for(int i=1;i<=n;i++)
29          {
30              x+=(p[i].x-ansx)*p[i].w/dis(ansx,ansy,p[i]);
31              y+=(p[i].y-ansy)*p[i].w/dis(ansx,ansy,p[i]);
32          }
33          ansx+=x*t;ansy+=y*t;
34          if(t>0.5)t*=0.5;
35          else t*=0.97;
36      }
37      printf("%.3lf %.3lf",ansx,ansy);
38 }
39 int main()
40 {
41      scanf("%d",&n);
42      for(int i=1;i<=n;i++)
43          scanf("%lf%lf%d",&p[i].x,&p[i].y,&p[i].w);
44      hillclimb();
45      return 0;
46 }

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • NSCTF &SteinsGate&详细writeup

    NSCTF "SteinsGate"详细writeup From ChaMd5安全团队核心成员 sherlly 0x00 前言 挺不错的一道题,思路值得学习,所...

    ChaMd5安全团队
  • 今日头条算法原理(全)

    ▲3分钟了解今日头条推荐算法原理 今天,算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配,但同时,算法也开始面临质疑、挑战和误解。今日头条...

    程序员宝库
  • 破译地震的密码?——机器学习算法有望实现地震的精确预测

    编者按:本文由图普科技工程师翻译自《Machine-Learning Algorithm Predicts Laboratory Earthquakes》。作者...

    AI研习社
  • 机器学习的本质就是数理统计?答案可能没这么简单

    可能许多刚刚接触 AI 的新人们都产生过类似这样的疑问:机器学习和数理统计,究竟有什么本质区别?不都是玩数据的么。 如果从传统意义上的数据分析师的观点来说,这个...

    AI研习社
  • 一个简单的完全信息动态博弈的解答

      版权申明:本文为博主窗户(Colin Cai)原创,欢迎转帖。如要转贴,必须注明原文网址   http://www.cnblogs.com/Colin-C...

    窗户
  • 用数据说话:把自拍照变成毕加索名画 哪种算法最高效?

    提起前段时间红遍朋友圈的 Prisma,可能许多朋友都还记忆犹新:输入一张自己的照片,再选一个 Prisma 内置的名画滤镜,几秒之后就能得到一张名画风的新照片...

    AI研习社
  • 通过从零开始实现一个感知机模型,我学到了这些

    编者按:本文源自作者 Jean-Nicholas Hould 的个人博客,他是一位来自加拿大蒙特利尔的数据科学家,具有丰富的研发和实践经验。本文节选自作者个人的...

    AI研习社
  • 10分钟搞懂蚁群算法

    蚂蚁几乎没有视力,但他们却能够在黑暗的世界中找到食物,而且能够找到一条从洞穴到食物的最短路径。它们是如何做到的呢? 蚂蚁寻找食物的过程 单只蚂蚁的行为及其简单...

    大闲人柴毛毛
  • 机器学习算法(1)--梯度下降法的几种形式

    阅读目录 1. 批量梯度下降法BGD 2. 随机梯度下降法SGD 3. 小批量梯度下降法MBGD 4. 总结   在应用机器学习算法时,我们通常采用梯度下降法来...

    IT派
  • 初学者该使用哪一种算法?

    导语:初学者都很疑惑,在这么多算法当中,到底到一个算法才能很好的解决自己所遇到的问题呢?这事实上取决于很多种因素。 ? 首先是数据的大小和质量 可用的计算时间...

    IT派

扫码关注云+社区

领取腾讯云代金券