Jour 14 : Redoute des Robots
Lien vers la solution
Partie 1 : Simulation du mouvement du robot et calcul du facteur de sécurité
Simulation du mouvement du robot :
La simulation commence par analyser les données du robot, qui incluent les positions et vitesses initiales des robots. Les données de chaque robot sont représentées sous forme de tuple (p_x, p_y, v_x, v_y) : composants de position et de vitesse le long des axes x et y.
La fonction simulation calcule les nouvelles positions des robots après t secondes à l'aide de la formule :
p_x = (p_x + t * v_x) % width p_y = (p_y + t * v_y) % height
Cette formule prend en compte le mouvement du robot, met à jour sa position à chaque pas de temps et s'enroule autour de la grille s'il dépasse les bords (en raison du fonctionnement modulo). Les robots sont ensuite replacés sur la grille aux positions mises à jour.
Comptage des quadrants :
Après avoir simulé les robots à t = 100, le code compte le nombre de robots dans chacun des quatre quadrants de la grille. La grille est divisée en quadrants en fonction du middle_row_gap et du middle_column_gap, qui sont calculés respectivement comme la moitié de la largeur et de la hauteur de la grille.
Pour la position de chaque robot (x, y) après 100 secondes, le programme vérifie quel quadrant occupe le robot :
- Quadrant 0 : En haut à gauche
- Quadrant 1 : En haut à droite
- Quadrant 2 : En bas à droite
- Quadrant 3 : En bas à gauche
Nous obtenons ensuite simplement le produit des totaux des 4 quadrants en utilisant la fonction Math.prod().
Partie 2 : Détection du motif de l'arbre de Noël
J'ai fait quelques hypothèses sur cette tâche, par exemple l'image formée serait au milieu/centralisée. Pendant qu'ils créent une forme, les robots doivent tous être condensés ensemble pour former l'arbre.
Les robots se déplacent de manière prévisible et leurs positions peuvent former des formes spécifiques au fil du temps. Pour détecter le motif « arbre de Noël », le programme recherche le moment où les robots se regroupent en une formation serrée qui ressemble à la forme d'un arbre. L'approche se concentre sur la recherche du moment où les robots se rassemblent dans une zone spécifique de la grille.
Le programme commence par définir un grand cadre de délimitation autour de tous les robots. Cette boîte est progressivement réduite en taille au fil du temps. L'idée est qu'au fil du temps, les robots se regrouperont dans une région plus petite.
Pour chaque pas de temps (chaque position des robots), le programme calcule combien de robots se trouvent à l'intérieur de cette boîte qui rétrécit. Il mesure la densité, c'est-à-dire le nombre de robots à l'intérieur de la boîte divisé par la surface de la boîte. Plus il y a de robots à l’intérieur de la boîte, plus la densité est élevée.
Le programme suit le moment où la densité est la plus élevée. Lorsque la densité est maximale, les robots sont les plus serrés, ce qui est probable lorsqu'ils forment une forme reconnaissable (le sapin de Noël).
Pourquoi est-ce que ça marche ?
La méthode fonctionne car un motif « arbre de Noël » entraînerait le regroupement des robots dans une zone spécifique de la grille. En réduisant le cadre de délimitation et en calculant la densité des robots dans cette zone, le programme peut identifier le moment où les robots forment cette forme compacte. La densité la plus élevée indique que les robots sont les plus étroitement regroupés, ce qui correspond à la formation du sapin de Noël.
Ainsi, le pas de temps avec la densité la plus élevée est celui où les robots créent le motif du sapin de Noël.
Comme toujours, n'hésitez pas à nous contacter et à discuter sur Twitter
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

L'article traite de la nouvelle instruction "Match" de Python introduite dans la version 3.10, qui constitue un équivalent pour les instructions de commutation dans d'autres langues. Il améliore la lisibilité du code et offre des avantages de performance par rapport aux if-elif-el traditionnels

Les groupes d'exception dans Python 3.11 permettent de gérer plusieurs exceptions simultanément, améliorant la gestion des erreurs dans des scénarios simultanés et des opérations complexes.

Les annotations de fonction dans Python ajoutent des métadonnées aux fonctions pour la vérification de type, la documentation et la prise en charge de l'IDE. Ils améliorent la lisibilité du code, la maintenance et sont cruciaux dans le développement de l'API, la science des données et la création de bibliothèques.

L'article traite des tests unitaires dans Python, leurs avantages et comment les écrire efficacement. Il met en évidence des outils comme unittest et pytest pour les tests.

L'article traite des spécificateurs d'accès dans Python, qui utilisent des conventions de dénomination pour indiquer la visibilité des membres de la classe, plutôt qu'une application stricte.

L'article traite de la méthode \ _ \ _ init \ _ \ _ () de Python et du rôle de Self dans l'initialisation des attributs d'objet. Les autres méthodes de classe et l'impact de l'héritage sur \ _ \ _ init \ _ \ _ () sont également couverts.

L'article traite des différences entre @classMethod, @StaticMethod et des méthodes d'instance dans Python, détaillant leurs propriétés, leurs cas d'utilisation et leurs avantages. Il explique comment choisir le bon type de méthode en fonction des fonctionnalités et DA requis

Inpython, youAPPEndElementStoalistUsingTheAppend () Method.1) useAppend () forsingleelements: my_list.append (4) .2) useExtend () ou = formultipleElements: my_list.extend (autre_list) ormy_list = [4,5,6] .3) useInsert () ForSpecific Positions: my_list.insert (1,5) .beaware


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Navigateur d'examen sécurisé
Safe Exam Browser est un environnement de navigation sécurisé permettant de passer des examens en ligne en toute sécurité. Ce logiciel transforme n'importe quel ordinateur en poste de travail sécurisé. Il contrôle l'accès à n'importe quel utilitaire et empêche les étudiants d'utiliser des ressources non autorisées.

Version crackée d'EditPlus en chinois
Petite taille, coloration syntaxique, ne prend pas en charge la fonction d'invite de code

SublimeText3 Linux nouvelle version
Dernière version de SublimeText3 Linux

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

PhpStorm version Mac
Le dernier (2018.2.1) outil de développement intégré PHP professionnel
