反思:一场有关一元二次方程的面试

本文通过一次面试经历,深入探讨了在C++中求解一元二次方程时遇到的常见问题及解决方案。从基础语法错误到函数设计缺陷,再到返回值的正确处理,作者分享了多次尝试与修正的过程,最终提出了一个简洁有效的解决方法。

做再多的实践,基础能力一定要扎实!IDE的确是开发利器,但太过于依赖了。而且临场发挥能力不好。

比如,用C++求解一元二次方程。面试官给了个在线编码的网站,那就是一个文本编辑器,可能带有关键词高亮,但没有代码提示。所以我写出了如下的狗屎代码:

#include <iostream>

using namespace std;

template<class T>
T* solve(T a, T b, T c)
{
    T delta = b * b - 4 * a * c;
    if(delta < 0) return -1;
    T ret[2];
    ret[0] = (-1 * b + sqrt(delta)) / (2 * a);
    ret[1] = (-1 * b - sqrt(delta)) / (2 * a);
    retrun ret;
}

int main() {
    double r[2];
    r = solve<double>(1, 2, 1);
    cout << r[0] << ", " << r[1] << endl;
}

我听到了面试官的叹气,他很友好地提醒我检查一下,我补上了sqrt,却连基本的拼写错误return都没看出来,面试就草草结束了。

致命问题有:

  1. 函数返回类型是指针,我还写了个 return -1
  2. 居然还用不可变的数组地址去接收返回值
  3. 即使r改成指针类型也是错,就不能返回局部变量的指针
  4. 不自信到连-b都没敢用

尝试1:指针赋值 nullptr
#include <iostream>

using namespace std;

template<class T>
void solve(T a, T b, T c, T* ret)
{
    T delta = b * b - 4 * a * c;
    if(delta < 0) ret = nullptr;
    else{
    	ret[0] =  (-b + sqrt(delta)) / (2 * a);
    	ret[1] =  (-b - sqrt(delta)) / (2 * a);
   	}
}

int main() {
    double r[2] = { 0 };
    solve<double>(1., -2., 4, r);
    if (r != nullptr)
        cout << r[0] << ", " << r[1] << endl;
    else
        cout << "无解" << endl;
}

但这并不能正确判断无解的情况,因为ret是个取值为数组地址的形参/局部变量/临时变量,改变它,数组的地址不会变,元素值也没变。

尝试2:元素赋值 NULL
#include <iostream>

using namespace std;

template<class T>
void solve(T a, T b, T c, T* ret)
{
    T delta = b * b - 4 * a * c;
    ret[0] = delta < 0 ? NULL : (-b + sqrt(delta)) / (2 * a);
    ret[1] = delta < 0 ? NULL : (-b - sqrt(delta)) / (2 * a);
}

int main() {
    double roots[2] = { 0 };
    solve<double>(1, 0, 0, roots);
    if (r[0] != NULL)
        cout << roots[0] << ", " << roots[1] << endl;
    else
        cout << "无解" << endl;
}

怎样表示无解呢,我尝试了使用 空值 NULL,但是发现其定义是:#define NULL 0 那这样就会误判零根情形。那应该怎么处理无解情况呢?传入一个flag?的确方便,但有没有更好的方法呢?

尝试3:返回解的状态

其实很简单,让函数返回状态标志就可以了

#include <iostream>

using namespace std;

template<class T>
bool solve(T a, T b, T c, T* ret)
{
    T delta = b * b - 4 * a * c;
    if (delta < 0) return false;
    ret[0] = (-b + sqrt(delta)) / (2 * a);
    ret[1] = (-b - sqrt(delta)) / (2 * a);
    return true;
}

int main() {
    double roots[2] = { 0 };
    if (solve<double>(1., -2., 1, roots))
        cout << roots[0] << ", " << roots[1] << endl;
    else
        cout << "无解" << endl;
}

… … …
(完)

Matlab基于粒子群优化算法及鲁棒MPPT控制器提高光伏并网的效率内容概要:本文围绕Matlab在电力系统优化与控制领域的应用展开,重点介绍了基于粒子群优化算法(PSO)和鲁棒MPPT控制器提升光伏并网效率的技术方案。通过Matlab代码实现,结合智能优化算法与先进控制策略,对光伏发电系统的最大功率点跟踪进行优化,有效提高了系统在不同光照条件下的能量转换效率和并网稳定性。同时,文档还涵盖了多种电力系统应用场景,如微电网调度、储能配置、鲁棒控制等,展示了Matlab在科研复现与工程仿真中的强大能力。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事新能源系统开发的工程师;尤其适合关注光伏并网技术、智能优化算法应用与MPPT控制策略研究的专业人士。; 使用场景及目标:①利用粒子群算法优化光伏系统MPPT控制器参数,提升动态响应速度与稳态精度;②研究鲁棒控制策略在光伏并网系统中的抗干扰能力;③复现已发表的高水平论文(如EI、SCI)中的仿真案例,支撑科研项目与学术写作。; 阅读建议:建议结合文中提供的Matlab代码与Simulink模型进行实践操作,重点关注算法实现细节与系统参数设置,同时参考链接中的完整资源下载以获取更多复现实例,加深对优化算法与控制系统设计的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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