C 初识指针

本文深入解析C语言中指针的概念,包括一级指针、二级指针、常量指针、指针常量、指针数组、数组指针及二级指针模拟的动态二维数组。通过实例说明各种指针的定义、使用及注意事项。

指针一级指针

定义一个指针指向一个变量的地址
Type * p = &var;

int i;
int *p = &i;

// 通过*p读写i的值
*p = 10;
int a = *p;

指针的指针二级指针

用一个指针指向另一个指针的地址, 不管几级指针都是指针.
Type ** q = &p;

char *p = "abc";
char **q = &p;

// 读取二级指针的值
printf("%s \n", *q);
// 等价于
printf("%s \n", p);

常量指针const *

常量指针一但初始化(必须初始化)就不能再改变指针的指向但可以修改所指向内存的内容(前提是该内存可以被修改)。
const Type * p = &var;
Type const * p = &var;

int a = 100;
const int *p = &a;
// 等价于
int const *p = &a;
*p = 20; // ok

int b = 10;
p = &b;	// error

指针常量* const

被指针常量修饰的指针不能通过该指针修改所指向的内存,但可以修改指针的指向
Type * const p = &var;

int a = 10;
int * const p = &a;
*p = 12; // error

int b = 100;
p = &b; // ok

指针数组*p[n]

参考1

指针数组也是一个数组,操作方式与数组相同。只不过每个元素为指针类型
Type *p[N]

char *p [] = {"abc", "123"};

// 读
int len = sizeof(p) / sizeof(p[0]);
for (int i=0; i<len; i++)
	prinft("%s \n", p[i]);

// 写
for (int i=0; i<len; i++)
	p[i] = "911";

数组指针Type (*p)[n]

数组指针也是一种指针,同样只占用4个字节,与普通指针没什么两样。
Type (*p)[10] = &typeArr;

int arr[10] = {1,2,3,4,5};
int (*p)[10] = arr;			// 1
int (*p)[10] = &arr;		// 2
int (*p)[10] = &(arr[0]);	// 3

// 读
printf("%d \n", p[1]);
printf("%d \n", *(p+1));

// 写
*p[0] = 10;

二级指针模拟二维数组动态分配

char **p = NULL;

// 分配p的空间
const int n = 3;
*p = (char **)malloc(n * sizeof(char *));

// 为p中的每个元素分配空间
// 每个元素分配 50 byte
const int strSize = 50;
for (int i=0; i<n; i++)
	p[i] = (char *)malloc(strSize * sizeof(char));

// 使用...
strcpy(p[1], "abcd");

// 释放空间
// 由内向外, 先释放低维(数组维度)空间
for (int i=0; i<n; i++) {
	free(p[i]);
	p[i] = NULL;
}
// 再释放高维空间
free(p);
p = NULL;


内容概要:本文介绍了基于Koopman算子理论的模型预测控制(MPC)方法,用于非线性受控动力系统的状态估计与预测。通过将非线性系统近似为线性系统,利用数据驱动的方式构建Koopman观测器,实现对系统动态行为的有效建模与预测,并结合Matlab代码实现具体仿真案例,展示了该方法在处理复杂非线性系统中的可行性与优势。文中强调了状态估计在控制系统中的关键作用,特别是面对不确定性因素时,Koopman-MPC框架能够提供更为精确的预测性能。; 适合人群:具备一定控制理论基础和Matlab编程能力的研【状态估计】非线性受控动力系统的线性预测器——Koopman模型预测MPC(Matlab代码实现)究生、科研人员及从事自动化、电气工程、机械电子等相关领域的工程师;熟悉非线性系统建模与控制、对先进控制算法如MPC、状态估计感兴趣的技术人员。; 使用场景及目标:①应用于非线性系统的建模与预测控制设计,如机器人、航空航天、能源系统等领域;②用于提升含不确定性因素的动力系统状态估计精度;③为研究数据驱动型控制方法提供可复现的Matlab实现方案,促进理论与实际结合。; 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Koopman算子的构造、观测器设计及MPC优化求解部分,同时可参考文中提及的其他相关技术(如卡尔曼滤波、深度学习等)进行横向对比研究,以深化对该方法优势与局限性的认识。
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