這次先上**，再證明**的可行性，感覺有點不像模擬退火，因為這個**借用的實際上是乙個完全單調的函式（只有乙個極值點，就是說只有乙個低谷，那個點實際上就是答案，就是全域性最優）
就不自己寫**了，獻上網上找到的一段**：
這段**的思路其實就是先找乙個點作為起始點p，然後不斷找到和該點距離最遠的點a,然後將p向a慢慢挪動很小的一段距離（該點到所有點中的最大距離在該過程中變小），直到發現更遠的點a',然後再往a'慢慢挪動，如此反覆，直到無法挪動時（該點到所有點中的最大距離不再變小時），該點就是最優圓的圓心了。
有乙個問題：起始點p的選取，選取不同位置的點，最後的結果都能是最優嗎？
至少有一點我們可以證明，就是我們進行上述步驟時，每步更新的點p其實都是相對於當前點p更優（區域性更優）。那麼模擬機器學習演算法中那個三維波浪谷（瞎說的名詞，如下圖）一樣，我們這個區域性最優能不能代表全域性最優呢？
我們舉個例子來看看。假如我們找到的區域性最優點為點p1，全域性最優點為點p0。如下圖所示。
那麼其實點p1向點p0挪動很小的一段距離時，一定能夠更優，證明略，自己畫畫就出來了（所有的點都在圓p1和圓p0所在的圓的交集中）。
其次，按照那個思路是否會提供p1到p0方向的乙個分量呢（就是說p1是否會向p0挪動，即使不是直線方向）？現在肯定能夠得到乙個結論----所有的點都在圓p1和圓p0所在的圓的交集中。可以推出被圓p0覆蓋的圓p1的弧線上一定存在至少乙個點，該點的存在會提供p1向p0方向挪動的乙個分量，就是說該點在程式中會促使p1向p0挪動（這裡沒有證明，感興趣的自證吧，應該不是蠻困難），那麼點p1是區域性最優的假設就否定了。即最後的p1就是全域性最優。p1就是p0。
綜上所述，這個思路是乙個完全單調的函式，所以起始點是哪個點都可以。
//code是直接copy的人家的
#includeusing namespace std;
const int n = 55;
#pragma warning(disable:4996);
const double eps = 1e-8;
const double inf = 1e19;
struct point
p[n];
int n;
double x, y, r;
double dis(point a, point b)
void sa()
} a.x += (p[k].x - a.x) / d * t;
a.y += (p[k].y - a.y) / d * t;
r = min(r, d);
t *= delt;
} x = a.x, y = a.y;
}int main()
}
HDU 3007 最小圓覆蓋
題意 給出平面上的一些點，要求用乙個最小的圓，把所有的點包圍起來。最小覆蓋圓，增量法 假設圓o是前i 1個點得最小覆蓋圓，加入第i個點，如果在圓內或邊上則什麼也不做。否,新得到的最小覆蓋圓肯定經過第i個點。然後以第i個點為基礎 半徑為0 重複以上過程依次加入第j個點，若第j個點在圓外，則最小覆蓋圓必...
hdu3007 最小覆蓋圓問題
題目 buried memory 最小圓覆蓋，很經典的問題。題目大概是，平面上n個點，求乙個半徑最小的圓，能夠覆蓋所有的點。如果要求乙個最小覆蓋圓，這個圓至少要由三個點確定。有一種演算法就是任意取三個點作圓，然後判斷距離圓心最遠的點是否在圓 內，若在，則完成 若不在則用最遠點更新這個圓。這裡不仔細介...
HDU 3007 隨機增量法
題目大意 給定平面上 n 個點，求最小圓覆蓋 我就是抄了個板而已 q 為什麼是 o n 的 a 搖頭搖頭搖頭 q 三角形外心怎麼求 a 不知道 q 學這個有什麼用 a 一臉懵逼 q 怎麼什麼都不知道 a 窩弱嘛tat 怎麼覺得自己又抽了 三角形外心 我知道泥萌都會。因為到各點距離相等，有 x 1 x...