C++ STL stack

本文详细解析了栈数据结构的工作原理,包括其先进后出的特点,以及如何使用empty(), top()和pop()方法进行遍历。并通过一个C++示例展示了栈的基本操作,如push, pop, top和size等。
  • stack栈是先进后出的,只能在顶部进行插入和删除
    不能通过size()来进行遍历,因为从pop顶端元素后,size值发生了变化
    所以需要empty()、top()和pop()结合达到遍历效果(但栈中元素会被删除)
    在这里插入图片描述

  • 构造函数
    stack stk; //默认构造函数
    stack(const stack &stk); //拷贝构造函数

  • 赋值操作
    stack& operator=(const stack &stk); //重载赋值操作符

  • 数据存取
    push(elem);//栈顶添加元素
    pop(); //从栈顶移除元素
    top(); //返回栈顶元素

  • 大小操作
    empty(); //判断堆栈是否为空
    size(); //返回栈的大小

#include <iostream>
#include <string>
#include <deque>
#include <algorithm>
#include <stack>
using namespace std;


void test1()
{
	stack<int> stk;
	stk.push(10);

	stk.push(20);
	stk.push(30);
	stk.push(40);
	while(!stk.empty())
	{
		cout<<stk.top()<<" ";
		stk.pop();
	}
	cout<<endl;
	cout<<"size:"<<stk.size()<<endl;

}


int main()
{
	test1();

	return 0;
}



【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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