C语言-----字符串拷贝

C语言strcpy函数优化与自定义实现详解
本文详细介绍了C语言中的strcpy函数以及如何通过自定义函数my_strcpy进行优化,包括后置++优化和const保护,最后提供了一个最优版本的my_strcpy函数实现及示例。

解决方法:

1.strcpy函数

2.自定义函数

优化1---优化2----最优版代码

详解!!!!!!!!!!!!

有疑问乐意解答

strcpy函数

#include<stdio.h>
#include<string.h>//strcpy 所要引用的头文件
int main()
{
	//strcpy函数
	//字符串拷贝
	char arr1[] = "#################";
	char arr2[] = "bit";//"\0"也拷贝过去了
	strcpy(arr1, arr2);//(地点,源头)
	printf("%s\n", arr1);
	return 0;
}

自定义函数

void my_strcpy(char* dest, char* src)//指针
{
	//"bit"
	while (*src != '\0')
	{
		*dest = *src;
		src++;
		dest++;
	}
	*dest = *src;//'\0'
}

#include<stdio.h>
int main()
{
	char arr1[] = "#################";
	char arr2[] = "bit";
	my_strcpy(arr1, arr2);
	printf("%s\n", arr1);
	return 0;
}

优化1

//优化版
//1.
void my_strcpy(char* dest, char* src)//指针
{
	//"bit"
	while (*src != '\0')
	{
		*dest++ = *src++;//后置++ :先使用后++
		
	}
	*dest = *src;//'\0'
}

优化2.

//2.
void my_strcpy(char* dest, char* src)//指针
{
	//"bit"
	while (*dest++ = *src++)
	{
		;//"\0"的ASCII码表的值为0 为假 跳出循环

	}
	*dest = *src;//'\0'
} 

最优版本

//最佳优化版
//const 得到正确的结果 保护作用
#include<stdio.h>
#include<assert.h>
char* my_strcpy(char* dest, const char* src)//strcpy函数返回的是目标字符串 起始地址
{
	char* ret = dest;//保存
	assert(dest != NULL);
	assert(src != NULL);
	//把src指向的字符串拷贝到dest指向的空间,包含'\0'
	while (*dest++ = *src++)
	{
		;
	}
	return ret;//返回起始地址
}

int main()
{
	char arr1[] = "#################";
	char arr2[] = "bit";
	//返回值作为另外一个函数的参数 链式访问
	printf("%s\n",my_strcpy(arr1,arr2));
	return 0;
}

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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